更改图片中的部分颜色及修改图片的背景色-CSDN博客

本文链接：https://blog.csdn.net/qq_39706141/article/details/141727773

**一：**在Python中，可以使用OpenCV库来更换图片中的特定颜色。这通常涉及到以下几个步骤：
1、读取图片。
2、定位需要更改颜色的区域。
3、更改这些区域的颜色。
4、显示或保存修改后的图片。

在这里插入代import cv2
import numpy as np

# 1. 读取图片
image = cv2.imread('path_to_your_image.jpg')

# 2. 将BGR图像转换为HSV色彩空间
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 3. 定义HSV中红色的范围
# 注意：由于红色的H（Hue）值在HSV色彩空间的两端，可能需要两组值来覆盖
lower_red1 = np.array([0, 50, 50])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 50, 50])
upper_red2 = np.array([180, 255, 255])
# 4. 创建红色区域的掩码（如果像素在范围内，则掩码为白色，否则为黑色）
mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask = cv2.bitwise_or(mask1, mask2)
# 5. 更改图片中的特定颜色
# 用蓝色替换红色区域
image[mask != 0] = [255, 0, 0] # 更改为蓝色：[蓝, 绿, 红]
# 6. 显示结果
cv2.imshow('Original Image', cv2.imread('path_to_your_image.jpg'))
cv2.imshow('Color Replaced Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

说明
首先，读取图像并将其从BGR色彩空间转换到HSV色彩空间。这是因为在HSV色彩空间中，相同或相近颜色的不同阴影更容易通过调整"颜色（Hue）" "饱和度（Saturation）"和"亮度（Value）"三个参数来区分。
然后，定义要替换的原始颜色（红色）在HSV空间中的范围，并基于这个范围创建一个掩码。这个掩码只包含我们想要更改颜色的区域。
利用掩码，将原图中的红色区域更改为新的颜色。在示例中，所有红色区域被替换为蓝色。
显示原始图像和更改颜色后的图像。
请根据实际需求调整HSV中红色的范围以及想要替换的颜色值。这个方法适用于大部分简单的颜色替换场景，但如果场景较为复杂（比如颜色在图像中分布不均匀或者有多种亮度和饱和度的情况），可能需要更复杂的方法。

===============================================================
如何获取图片的色调？
要获取图片的色调（Hue），通常需要将图像从 RGB 颜色空间转换到 HSV 颜色空间，并提取色调通道的数值。你可以使用 Python 中的 PIL（Pillow）库或 OpenCV 库来实现这个任务。下面是使用 OpenCV 获取图像色调的简单示例：

import cv2
# 读取图像
image = cv2.imread('image.jpg')
# 将图像从 BGR 转换到 HSV 颜色空间
image_hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
# 提取色调通道
hue_channel = image_hsv[:, :, 0]  # 色调通道在 HSV 中索引为 0
# 显示并输出色调通道
cv2.imshow('Hue Channel', hue_channel)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述示例中，我们通过 cv2.cvtColor() 函数将图像从 BGR 转换到 HSV 颜色空间，然后从 HSV 图像中提取色调通道。色调通道的数值范围通常是 0 到 179（0-360 度的一半），代表不同的颜色。通过这个过程，你可以获取图像的色调信息。
如果你想使用 Pillow 库来实现相同的功能，也可以进行类似的步骤，只是使用 Pillow 的方法来转换图像和访问不同的通道数据。

**二：**要在Python中修改图片的背景色，你通常需要首先分割前景和背景，然后将背景替换成想要的颜色。使用OpenCV库配合NumPy可以实现这个过程。这里我们会通过一个简单的示例演示如何将背景替换为单一颜色。

假设我们有一张图像，其中的背景相对单一，这样我们可以更容易地通过颜色阈值来分割前景和背景。
步骤

安装OpenCV（如果你还没有安装的话）：
pip install opencv-python
读取图像：首先，我们读取想要修改背景的图像。
颜色空间转换：将图像从BGR颜色空间转换为HSV空间，以便更容易地通过颜色阈值分割背景。
背景掩码创建：基于背景颜色创建一个掩码，这样我们就可以区分哪部分是背景，哪部分是前景（即想要保留的部分）。
更换背景颜色：使用掩码将背景部分替换为新的颜色。
显示或保存结果图像。

import cv2
import numpy as np

# 1. 读取图像
image = cv2.imread('path_to_your_image.jpg')

# 2. 将BGR图像转换为HSV色彩空间
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 3. 定义背景颜色范围在HSV空间（假设背景颜色较暗）
# 这里以较暗的颜色为例，实际应用中需要根据背景颜色调整阈值
lower_bg = np.array([0, 0, 0])
upper_bg = np.array([180, 255, 50])
background_mask = cv2.inRange(hsv, lower_bg, upper_bg)

# 4. 反转掩码：前景为白色，背景为黑色
foreground_mask = cv2.bitwise_not(background_mask)

# 5. 将原图中的背景部分提取出来
background = cv2.bitwise_and(image, image, mask=background_mask)

# 6. 创建一个白色背景
white_background = np.full(image.shape, (255, 255, 255), dtype=np.uint8)  # 根据需要的背景颜色调整

# 7. 将白色背景和前景结合
foreground = cv2.bitwise_and(image, image, mask=foreground_mask)
result = cv2.bitwise_or(foreground, white_background)

# 8. 显示或保存结果
cv2.imshow('Original Image', image)
cv2.imshow('Foreground', foreground)
cv2.imshow('Result Image with New Background', result)

cv2.waitKey(0)
cv2.destroyAllWindows()