使用Python移除背景

我们生活在视频通话的时代。通过互联网，使用笔记本电脑或电脑自带的相机，我们把我们的生活广播给我们的同学、同事和家人。

但有时候，我们并不想广播我们自己的空间。我的办公室和其他许多办公室一样，常年杂乱无章。我身后的墙上还有一把吉他，这并不代表我很专业。

因此，Zoom和其他视频通话软件有一个隐藏背景的功能，通常把背景隐藏在你选择的图像后面。虽然大多数人不会考虑太多，但是确定由什么决定图像中前景和背景的实际任务并不容易。

前景检测

前景检测是计算机视觉领域最突出的应用之一。除了视频通话的例子，前景检测可以用于寻找和阅读图像中的文本，确定自动驾驶汽车中的障碍物，以及许多其他应用。

因此，许多复杂的方法被开发出来，以区分前景和背景。

OpenCV提供了几个“开箱即用”的解决方案；然而，在没有任何其他背景的情况下，这些都是黑盒，它们没有太多的学习机会。相反，我将使用一个定制的算法，它利用几个OpenCV模块来实现类似的结果。

• OpenCV提供的“开箱即用”的解决方案：https://docs.opencv.org/master/d1/dc5/tutorial_background_subtraction.html

边缘检测和轮廓

我将演示的方法基于两个概念：边缘检测和轮廓。

边缘检测，顾名思义，就是试图在图像中找到对比线或边缘。这个关键的第一步是对图像进行预处理，以帮助区分任何物体。有几种边缘检测方法存在，其中，Canny方法是非常受欢迎的，并打包在OpenCV中。

• Canny：https://en.wikipedia.org/wiki/Canny_edge_detector

一旦找到了边缘，寻找轮廓就变得更加容易和准确。在计算机视觉中，轮廓就是颜色或强度对比区域之间的连续边界线。不像边缘检测，寻找轮廓将在图像中发现突出的形状。

算法

如前所述，我将不会使用OpenCV中预先打包的背景移除器。相反，下面的流程图概括了我将使用的方法:

首先，我们将把图像转换成黑白。接下来，应用边缘检测，找到图像中的轮廓。对于前景来说，任何太大或太小的轮廓都将被移除。

其余的轮廓将被视为前景。这具有一定的直观意义&#