3. diel - Práca s pixelmi a operácie s obrázkami v Pythone

V minulej lekcii, Práca s videom v Pythone a kreslenie a písanie do obrázkov , sme si ukázali, ako načítať a uložiť video a ako kresliť rôzne tvary a text na obrázky. V dnešnom Python tutoriále si ukážeme, ako pracovať s pixelmi a vykonávať aritmetické operácie s obrázkami.

Práca s pixely

Z predchádzajúcich lekcií už vieme, že video sa skladá z jednotlivých snímke / obrázkov, ktoré sa skladajú z pixelov a tie sú usporiadané v 2D listu.

Ako vždy budem v ukážkach používať obrázok nižšie:

Najskôr si obrázok načítame:

import cv2
import numpy as np

img = cv2.imread("letadlo.jpg")

Zmena farby pixelu

Vypíšeme si farbu pixelu, ktorý sa nachádza na pozíciu 250x330. V numpy sa index u viacrozmerných polí rozdeľuje pomocou začiatku ,:

print(img[250, 330])

Farbu bodu skúsime tiež zmeniť a obrázok znovu vykresliť:

print(img[250, 330])
img[250, 330] = [255,255,255]
print(img[250, 330])

cv2.imshow("obrazek", img)
cv2.waitKey()
cv2.destroyAllWindows()

Uistíme sa, že sa farba naozaj zmenila.

Zmena farby oblasti v obrázku

Takto môžeme zmeniť farbu vybranej časti obrázka a nie len jednému pixelu. Nižšie vyberieme oblasť od bodu [250:500] do bodu [330:600]:

img[250:500, 330:600] = [255,255,255]

cv2.imshow("obrazek", img)
cv2.waitKey()
cv2.destroyAllWindows()

Pri indexovanie môžeme použiť jednu z nasledujúcich hodnôt:

• img.size - počet bodov v obrázku (pri obrázku lietadla = 2980680)
• img.shape - rozmery obrázku a počet farebných zložiek (pri obrázku lietadlá = (842, 1180, 3))
• Ak chceme poznať dátový typ obrázku, zistíme ho pomocou img.dtype

Teraz si skúsime skopírovať vybrané pixely a vložiť ich na ľubovoľnú pozíciu:

img[200:300, 500:600] = img[400:500, 200:300]

výsledok:

Aritmetické operácie s obrázkami

Aby sme si mohli ukázať aritmetické operácie s obrázkami, potrebujeme druhý obrázok. Ja použijem tento:

Najprv skúsime pole pixelov obrázkov sčítať:

letadlo = cv2.imread("letadlo.jpg")
kocka = cv2.imread("kocka.jpg")

kocka = kocka[:letadlo.shape[0], :letadlo.shape[1]]

img = letadlo + kocka

cv2.imshow("obrazek", img)
cv2.waitKey()
cv2.destroyAllWindows()

Keďže obrázok s mačkou je väčší, musíme ho prispôsobiť veľkosti lietadla pomocou kocka = kocka[:letadlo.shape[0], :letadlo.shape[1]]. Potom ich jednoducho sčítame pomocou img = letadlo + kocka.

Toto sa nám úplne nevydarilo, pretože len tak 2 obrázky sčítať nemôžeme. Obrázok je strašne svetlý, pretože pri sčítaní pixelov, napr. Hodnôt [150, 200, 230] + [50, 80, 140] nám vyjde [200, 280, 370], čo sa oreže na maximálne hodnoty [200, 255, 255].

Aby sme tomuto predišli, obrázky do seba preženú funkcií cv2.addWeighted(obrázek1, poměr/váha obrázku1, obrázek2, poměr/váha obrázku2, gamma):

img = cv2.addWeighted(letadlo, 0.4, kocka, 0.75, 0)

Výsledok je oveľa pôsobivejšie:

Obrázok je ale stále pomerne svetlý, preto nastavíme hodnotu gamma na -100:

img = cv2.addWeighted(letadlo, 0.4, kocka, 0.75, -100)

Výsledný obrázok vyzerá oveľa lepšie

Vloženie obrázku do obrázka bez prelínanie

Na záver si ukážeme pre nás pomerne náročnú operáciu, kedy vložíme jeden obrázok do druhého bez prelínanie. Ako ukážku si vložíme logo ITnetworku do obrázka s lietadlom. Logo je nasledujúci obrázok typu PNG:

Na lietadlo ho vložíme tak, aby bola biela farba priehľadná. Uveďme si najprv kompletný zdrojový kód, ktorý si vzápätí popíšeme:

letadlo = cv2.imread("letadlo.jpg")
itn = cv2.imread("itn.png")

region = letadlo[ 0:itn.shape[0], 0:itn.shape[1] ]
itn_seda = cv2.cvtColor(itn, cv2.COLOR_BGR2GRAY)

ret, maska = cv2.threshold(itn_seda, 150, 255, cv2.THRESH_BINARY_INV)
maska_inv = cv2.bitwise_not(maska)

letadlo_bg = cv2.bitwise_and(region, region, mask = maska_inv)
itn_bez_bg = cv2.bitwise_and(itn, itn, mask = maska)

logo_celek = cv2.add(letadlo_bg, itn_bez_bg)
letadlo[ 0:itn.shape[0], 0:itn.shape[1] ] = logo_celek

Najskôr si definujeme región v obrázku lietadlo, kam logo vložíme. My ho vložíme do ľavého horného rohu, región teda bude region = letadlo[ 0:itn.shape[0], 0:itn.shape[1] ]. Logo prevedieme z farebného na šedej pomocou itn_seda = cv2.cvtColor(itn, cv2.COLOR_BGR2GRAY), aby sme neskôr mohli oddeliť pozadie. Vytvoríme masku, ktorá nám oddelí biele pozadie ako cv2.threshold(obrázek, práh, maximální hodnota, typ operace). Táto funkcia prevedie pixely buď na čierne alebo biele. Potom použijeme bitovou operáciu a vytvoríme tak ďalšie masku s opačnou hodnotou maska_inv = cv2.bitwise_not(maska). Aplikujeme maska_inv na vybraný región z obrázku lietadlo ako letadlo_bg = cv2.bitwise_and(region, region, mask = maska_inv). Potom aplikujeme maska na logo pomocou bitovej operácie, tým sa zbavíme pozadí itn_bez_bg = cv2.bitwise_and(itn, itn, mask = maska) a nakoniec logo vložíme do obrázka ako letadlo[ 0:itn.shape[0], 0:itn.shape[1] ] = logo_celek.

Na bitové operácie a thresholding sa pozrieme podrobnejšie v nasledujúcich lekciách

Zdrojový kód nájdete na stiahnutie v prílohe článku. V budúcej lekcii, Thresholding a analýza obrázkov v Pythone , si vysvetlíme ako funguje thresholding a na čo je vlastne dobrý.

 

Mal si s čímkoľvek problém? Stiahni si vzorovú aplikáciu nižšie a porovnaj ju so svojím projektom, chybu tak ľahko nájdeš.