python-opencv 数据增广 柏松融合

作用可以将一个patch很好的融合到目标图像中

目标检测：在目标检测任务中可用于增广图像，将缺陷融合到不同的背景图像中，增加训练集的样本

融合后效果

cv2.seamlessClone

output = cv2.seamlessClone(src, dst, mask, center, flags)  

参数介绍

src 目标影像-----飞机

dst 背景图像-------天空

mask 目标影像上的mask，表示目标影像上哪些区域是感兴趣区域。

center 目标影像的中心在背景图像上的坐标！注意是目标影像的中心！

flags 选择融合的方式，目前有NORMAL_CLONE、MIXED_CLONE和MONOCHROME_TRANSFER三种方法。

output 输出图像

代码

import cv2
import numpy as np


im = cv2.imread("tree.jpg")
obj= cv2.imread("airplane.jpg")

# 创建一个白色的mask
mask = 255 * np.ones(obj.shape, obj.dtype)

width, height, channels = im.shape
center = (height/2, width/2)

normal_clone = cv2.seamlessClone(obj, im, mask, center, cv2.NORMAL_CLONE)
mixed_clone = cv2.seamlessClone(obj, im, mask, center, cv2.MIXED_CLONE)

# Write results
cv2.imwrite("opencv-normal-clone-example.jpg", normal_clone)
cv2.imwrite("opencv-mixed-clone-example.jpg", mixed_clone)

 

 

reference

https://blog.csdn.net/u012348774/article/details/81229281