• 【OpenCV 例程200篇】220.对图像进行马赛克处理


    文章目录:『youcans 的 OpenCV 例程200篇 - 总目录』


    【youcans 的 OpenCV 例程200篇】220.对图像进行马赛克处理

    9. 图像的马赛克处理

    马赛克效果是广泛使用的图像和视频处理方法。将图像中指定区域的色阶细节劣化,造成色块模糊的效果,看上去像是一个个小格子组成的色块,称为马赛克。马赛克效果的主要目的是使特定区域的细节无法辨认,经常用于遮挡人物脸部、隐私信息。

    马赛克的方法很简单,将处理区域划分为一个个小方块,每个小方块内所有像素置为相同的或相似的像素值。例程 A4.13 给出了一个简单的实施案例。

    马赛克方块的尺寸越大,图像越模糊,马赛克区域图像丢失的细节越多。

    这与图像多尺度像素采样是相似的:图像向下采样,分辨率逐级降低。对整幅图像进行马赛克处理,与图像下采样是等效的;对图像局部进行马赛克处理,相当于原始图像与局部图像下采样的融合。

    上采样和下采样是不可逆的,将下采样的图像还原回原来尺寸时会丢失高频信息,使图片变模糊。因此,消除图像马赛克在原理上是不可能的。但是,通过图片像素临近点插值的填充算法,可以增强马赛克区域的视觉效果。近年来,随着 AI 技术的发展,基于对大量类似清晰图像的学习,使用 AI 算法可以较好地还原图像,识别被马赛克遮挡的人脸或文本,取得了很好的效果。


    例程 A4.13:对图像指定区域进行马赛克处理

    对于选定的 ROI 区域进行马赛克处理。马赛克方块的尺寸越大,图像越模糊,马赛克区域图像丢失的细节越多。

        # A4.13 对图像指定区域进行马赛克处理
        img = cv.imread("../images/imgLena.tif", 1)  # 加载原始图片,单通道
        roi = cv.selectROI(img, showCrosshair=True, fromCenter=False)
        x, y, wRoi, hRoi = roi  # 矩形裁剪区域的位置参数
        # x, y, wRoi, hRoi = 208, 176, 155, 215  # 矩形裁剪区域
        imgROI = img[y:y+hRoi, x:x+wRoi].copy()  # 切片获得矩形裁剪区域
        print(x, y, wRoi, hRoi)
    
        plt.figure(figsize=(9, 6))
        plt.subplot(231), plt.title("Original image"), plt.axis('off')
        plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))
        plt.subplot(232), plt.title("Region of interest"), plt.axis('off')
        plt.imshow(cv.cvtColor(imgROI, cv.COLOR_BGR2RGB))
    
        mosaic = np.zeros(imgROI.shape, np.uint8)  # ROI 区域
        ksize = [5, 10, 20]  # 马赛克块的宽度
        for i in range(3):
            k = ksize[i]
            for h in range(0, hRoi, k):
                for w in range(0, wRoi, k):
                    color = imgROI[h,w]
                    mosaic[h:h+k,w:w+k,:] = color  # 用顶点颜色覆盖马赛克块
            imgMosaic = img.copy()
            imgMosaic[y:y + hRoi, x:x + wRoi] = mosaic
            plt.subplot(2,3,i+4), plt.title("Coding image (size={})".format(k)), plt.axis('off')
            plt.imshow(cv.cvtColor(imgMosaic, cv.COLOR_BGR2RGB))
    
        plt.subplot(233), plt.title("Mosaic"), plt.axis('off')
        plt.imshow(cv.cvtColor(mosaic, cv.COLOR_BGR2RGB))
        plt.show()
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30

    在这里插入图片描述


    【本节完】

    版权声明:
    youcans@xupt 原创作品,转载必须标注原文链接:(https://blog.csdn.net/youcans/article/details/125522759)
    Copyright 2022 youcans, XUPT
    Crated:2022-6-30

    218. 多行倾斜文字水印
    219. 添加数字盲水印
    220.220.对图像进行马赛克处理

  • 相关阅读:
    按键精灵中的字符串常用的场景
    JMeter测试工具介绍
    关于#单片机#的问题:第七行打印完他就会获取到温湿度,单片机的连接也正常,reset也没用单片机中烧写的完整代码如下图
    Jmeter结构体系
    Vite 5.0 新版本发布,看看有啥新变化?
    [LeetCode]1413. 逐步求和得到正数的最小值
    渗透测试——1
    pbcms添加循环数字标签
    特征工程学习笔记
    Spark - RDD 的分区和Shuffle
  • 原文地址:https://blog.csdn.net/youcans/article/details/125522759