OpenCV-证件照蓝底换成白底（或其他颜色如红色）

今天刚好老师要办点事情，老师唯一的一张证件照是蓝色的，但是需要的底色是白色的，于是乎，好久不折腾的PS也忘记了，还好旁边的刚来的小学弟懂一点，

在那里慢慢的帮老师一点点的处理，PS在边缘的地方效果还真不咋地，确实是一门技术活。

于是我就想OpenCV能不能实现呢？一搜百度第一篇就是，但是人家转成红色，然后我又对HSV颜色空间不是很懂，最后在一个学习群里

博主的链接如下：http://blog.csdn.net/jiang111_111shan/article/details/462

但是文中未对HSV那一块做出解释，可能是我太菜了

贴出去问了下，一位优秀的本科生帮我清晰解答了，汗颜

主要步骤为：

1.把RGB图像转换到HSV空间

2.取背景的一小块20*20，计算蓝色背景的平均色调和饱和度

3.设置阈值，取出蓝色背景替换为红色背景

4.把HSV图像转换会RGB空间

5.滤波器去除边缘效应

具体代码为：

// change_color.cpp : 定义控制台应用程序的入口点。
//证件照从蓝色底换成红色底

//#include "stdafx.h"
#include <iostream>
#include <opencv2\core\core.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\imgproc\imgproc.hpp>

using namespace cv;
using namespace std;

int main()
{
	char *origin="Original";
	char *window="Image";
	char *str="C:\\Users\\ltc\\Desktop\\nihao.jpg";
	namedWindow(origin,1);
	namedWindow(window,1);
	Mat image=imread(str);
	if(!image.data)
	{
		cout<<"图像载入出现问题"<<endl;
		return 0;
	}
	Mat roi=image(Rect(20,20,20,20));
	Mat hsvImg;
	cvtColor(image, hsvImg, CV_BGR2HSV); //将图像转换到HSV颜色空间
	//分离HSV空间，v[0]为H色调，v[1]为S饱和度，v[2]为v灰度 
	vector<Mat> v;
	split(hsvImg,v);
	Mat roiH=v[0](Rect(20,20,20,20));
	Mat roiS=v[1](Rect(20,20,20,20));
	int SumH=0;
	int SumS=0;
	int avgH, avgS;//蓝底的平均色调和平均饱和度
	//取一块蓝色背景，计算出它的平均色调和平均饱和度
	for(int i=0; i<20; i++)
	{
		for(int j=0; j<20; j++)
		{
			/*SumH=SumH+roiH(i,j);*/
			SumH=int(roiH.at<uchar>(j,i))+SumH;
			SumS=int(roiS.at<uchar>(j,i))+SumS;
		}
	}
	avgH=SumH/400;
	avgS=SumS/400;
	//遍历整个图像
	int nl=hsvImg.rows;
	int nc=hsvImg.cols;
	int step=10;
	for(int j=0; j<nl; j++)
	{
		for(int i=0; i<nc; i++)
		{
			//以H.S两个通道做阈值分割，把蓝色替换成红色
			if((v[0].at<uchar>(j,i))<=(avgH+5) && v[0].at<uchar>(j,i)>=(avgH-5)
				&&(v[1].at<uchar>(j,i))<=(avgS+40) && v[1].at<uchar>(j,i)>=(avgS-40))
			{
				//cout<<int(v[0].at<uchar>(j,i))<<endl;
				//红色底
				//v[0].at<uchar>(j,i)=0;
				//白色底
				v[0].at<uchar>(j,i)=0;
				v[1].at<uchar>(j,i)=0;  //V[0]和V[1]全调成0就是变成白色
				//绿色底
				//v[0].at<uchar>(j,i)=60;
				//蓝色底
				//v[0].at<uchar>(j,i)=120;
				/*cout<<int(v[0].at<uchar>(j,i))<<endl;*/
			}
		}
	}
	Mat finImg;
	merge(v,finImg);
	Mat rgbImg;
	cvtColor(finImg,rgbImg, CV_HSV2BGR); //将图像转换回RGB空间
	imshow(origin,image);
	imshow(window,rgbImg);
	//加个滤波把边缘部分的值滤掉（此处应该用低通滤波器，但感觉不太好，还是不用了。）
	Mat result;
	GaussianBlur(rgbImg,result,Size(3,3),0.5);
	imshow(window,result);
	imwrite("nihaoWhite.jpg",result);
	waitKey(0);
	//system("pause");
	return 0;
}


遍历整个图像
//int nl=hsvImg.rows;
//int nc=hsvImg.cols * hsvImg.channels();
//for(int j=0; j<nl; j++)
//{
//	uchar *data=hsvImg.ptr<uchar>(j);
//	for(int i=0; i<nc; i++)
//	{
//		cout<<int(data[i])<<" ";
//	}
//}

这里面主要说明一下：

 HSV模型

倒锥形模型：

                          

这个模型就是按色彩、深浅、明暗来描述的。

H是色彩

S是深浅， S = 0时，只有灰度

V是明暗，表示色彩的明亮程度，但与光强无直接联系，（意思是有一点点联系吧）。

在这个程序里

色调主要是由V[0]来控制的

hsv是一个360度的模型 每个角度代表一种颜色

0度是红色

120度是绿色

240度是蓝色

但是OpenCV里最大值是255 所以它会对色调除以2，就是最大值是180

绿色对应的让它等于60    蓝色对应的就是120

换不同的背景只需要改动：

//红色底
v[0].at<uchar>(j,i)=0;
//白色底
v[0].at<uchar>(j,i)=0;
v[1].at<uchar>(j,i)=0;  //V[0]和V[1]全调成0就是变成白色
//绿色底
v[0].at<uchar>(j,i)=60;
//蓝色底
v[0].at<uchar>(j,i)=120;

改动的位置就不需要说明了吧！这个方法的效果确实不错，大赞！

毕竟是老师的图片，不能轻易放出来，网上的也不能随便用吧！哈哈

那就放张我最爱的崩坏3吧！

附录

提取图像中指定颜色的像素区域

#include<iostream>
#include<opencv2/core/core.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
using namespace cv;

class ColorDetector
{
private:
	//最小可接受距离
	int minDist;
	//目标色
	cv::Vec3b target;
	//结果图像
	cv::Mat result;

//计算与目标颜色的距离
int getDistance(cv::Vec3b color)
{
	return abs(color[0] - target[0]) + abs(color[1] - target[1]) + abs(color[2] - target[2]);
}
public:
	//空构造函数
	ColorDetector() :minDist(100)
	{
	//初始化默认参数
	target[0] = target[1] = target[2] = 0;
	}
	void setColorDistanceThreshold(int distance);
	int getColorDistanceThreshold() const;
	void setTargetColor(unsigned char red, unsigned char green, unsigned char blue);
	void setTargetColor(cv::Vec3b color);
	cv::Vec3b getTargetColor() const;
	cv::Mat ColorDetector::process(const cv::Mat &image);
	};

//设置色彩距离阈值，阈值必须是正的，否则设为0
void ColorDetector::setColorDistanceThreshold(int distance)
{
	if (distance < 0)
	distance = 0;
	minDist = distance;
}

//获取色彩距离阈值
int ColorDetector::getColorDistanceThreshold() const
{
	return minDist;
}

//设置需检测的颜色
void ColorDetector::setTargetColor(unsigned char red, unsigned char green, unsigned char blue)
{
	//BGR顺序
	target[2] = red;
	target[1] = green;
	target[0] = blue;
}


//设置需检测的颜色
void ColorDetector::setTargetColor(cv::Vec3b color)
{
	target = color;
}
//获取需检测的颜色
cv::Vec3b ColorDetector::getTargetColor() const
{
	return target;
}

cv::Mat ColorDetector::process(const cv::Mat &image)//核心的处理方法
{
	//按需重新分配二值图像
	//与输入图像的尺寸相同，但是只有一个通道
	result.create(image.rows, image.cols, CV_8U);

	//得到迭代器
	cv::Mat_<cv::Vec3b>::const_iterator it = image.begin<cv::Vec3b>();
	cv::Mat_<cv::Vec3b>::const_iterator itend = image.end<cv::Vec3b>();
	cv::Mat_<uchar>::iterator itout = result.begin<uchar>();
	for (; it != itend; ++it, ++itout)//处理每个像素
	{
		//计算离目标颜色的距离
		if (getDistance(*it) < minDist)
		{
			*itout = 255;
		}
		else
		{
			*itout = 0;
		}
	}
		return result;
}

 

int _tmain(int argc, _TCHAR* argv[])
{
	//1.创建图像处理的对象
	ColorDetector cdetect;
	//2.读取输入图像
	cv::Mat image = cv::imread("boldt.jpg");
	if (!image.data)
	{
		return 0;
	}
	//3.设置输入参数
	cdetect.setTargetColor(130, 190, 230);//蓝天的颜色
	cv::namedWindow("result");
	//4.处理并显示结果
	cv::imshow("result", cdetect.process(image));
	cv::waitKey();

	return 0;
}