OpenCV和PIL进行前景提取

摘要

在图像处理和分析中，前景提取是一项关键技术，尤其是在计算机视觉和模式识别领域。本文介绍了一种结合OpenCV和PIL库的方法，实现在批量处理图像时有效提取前景并保留原始图像的EXIF数据。具体步骤包括从指定文件夹中读取图像，进行前景提取和处理，然后将结果保存到另一个文件夹，同时保持图像的元数据信息。

在这里插入图片描述

代码实现步骤

这段代码实现了从指定文件夹中批量读取图像，进行前景提取和处理，并将结果保存到另一个文件夹，同时保留原始图像的EXIF信息。以下是代码的详细解释：

导入必要的库

import cv2
import numpy as np
from PIL import Image
import glob
import os
from pathlib import Path
import tqdm

cv2: OpenCV库，用于图像处理。
numpy: 数值计算库，用于处理数组操作。
PIL: Python图像库，用于处理图像文件和EXIF数据。
glob: 文件名模式匹配库，用于查找符合特定模式的文件路径名。
os: 操作系统接口，用于文件和目录操作。
Path: pathlib库的一部分，用于处理文件路径。
tqdm: 进度条库，用于显示处理进度。

设置文件夹路径和创建输出文件夹

folder_path = r'C:\Users\cdh96\Desktop\iphone11\*.jpg'
output_folder = r'D:\lab\paper\img_preproccess\extrat_foreground\1\images'if not os.path.isdir(output_folder):os.mkdir(output_folder)

folder_path: 输入图像文件夹路径。
output_folder: 输出图像文件夹路径。如果输出文件夹不存在，则创建它。

处理图像

for image_path in tqdm.tqdm(glob.glob(folder_path)):path_obj  = Path(image_path)image_path = path_obj.as_posix()img_original = cv2.imread(image_path)if img_original is None:breakimg_original = cv2.cvtColor(img_original, cv2.COLOR_RGB2BGR)img_gray = cv2.imread(image_path, 0)

使用glob库获取所有符合条件的图像路径，并使用tqdm显示进度条。
使用cv2.imread读取图像，如果图像为空，退出循环。
将图像转换为BGR格式，并读取灰度图像。

前景提取和处理

    output_path = os.path.join(output_folder, path_obj.name)retval, img_global = cv2.threshold(img_gray, 30, 255, cv2.THRESH_BINARY)img_global[img_global > 0] = 1kernel = np.ones((3, 3), dtype=np.uint8)img_global = cv2.morphologyEx(img_global, cv2.MORPH_OPEN, kernel, iterations=4)num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(img_global, connectivity=8)sorted_indices = np.argsort(stats[:, -1])labels[labels != sorted_indices[-2]] = 0labels[labels == sorted_indices[-2]] = 1img_original = img_original * np.repeat(labels[:, :, np.newaxis], 3, axis=-1)img_original = cv2.convertScaleAbs(img_original)image_rgb = cv2.cvtColor(img_original, cv2.COLOR_BGR2RGB)

使用全局阈值法提取前景。
使用形态学操作去除噪点。
使用连通组件分析提取主要前景区域。
根据连通组件的面积排序，选取面积第二大的组件作为主要前景。
生成前景掩码并应用到原始图像。

保存处理后的图像并保留EXIF数据

    cv2.imwrite(output_path, image_rgb)with Image.open(r'D:\lab\paper\img_preproccess\extrat_foreground\1\DSC00421.JPG') as img:exif_data = img.info.get('exif')with Image.open(output_path) as img:img.save(output_path, 'JPEG', exif=exif_data)

保存处理后的图像。
从示例图像中提取EXIF数据，并应用到处理后的图像中。

这个过程确保了前景的提取和处理，同时保留了原始图像的EXIF元数据，使得图像在保存时保留原始的拍摄信息。

整体代码


import cv2
import numpy as np
from PIL import Image
import glob
import os
from pathlib import Path
import tqdmfolder_path = r'C:\Users\cdh96\Desktop\iphone11\*.jpg'
output_folder = r'D:\lab\paper\img_preproccess\extrat_foreground\1\images'if not os.path.isdir(output_folder):os.mkdir(output_folder)for image_path in tqdm.tqdm(glob.glob(folder_path)):path_obj  = Path(image_path)image_path = path_obj.as_posix()img_original = cv2.imread(image_path)if img_original is None:breakimg_original = cv2.cvtColor(img_original, cv2.COLOR_RGB2BGR)img_gray = cv2.imread(image_path, 0)output_path = os.path.join(output_folder,path_obj.name)# 分割retval, img_global = cv2.threshold(img_gray, 30, 255, cv2.THRESH_BINARY)img_global[img_global > 0] = 1# 处理毛刺kernel = np.ones((3, 3), dtype=np.uint8)img_global = cv2.morphologyEx(img_global, cv2.MORPH_OPEN, kernel, iterations=4)# 根据面积选取主体num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(img_global, connectivity=8)sorted_indices = np.argsort(stats[:, -1])# 使用masklabels[labels != sorted_indices[-2]] = 0labels[labels == sorted_indices[-2]] = 1img_original = img_original * np.repeat(labels[:, :, np.newaxis], 3, axis=-1)img_original = cv2.convertScaleAbs(img_original)image_rgb = cv2.cvtColor(img_original, cv2.COLOR_BGR2RGB)cv2.imwrite(output_path, image_rgb)# # 存储原始的图像信息with Image.open(r'D:\lab\paper\img_preproccess\extrat_foreground\1\DSC00421.JPG') as img:exif_data = img.info.get('exif')with Image.open(output_path) as img:img.save(output_path, 'JPEG', exif=exif_data)