| 參數 | 說明 |
|---|---|
| img | 模板圖片對象，即上文中的第一幅圖片 |
| file_path | 需要替換的圖片所在的文件路徑，即上文中的1_測試.jpg和2_測試.jpg所在的文件夾路徑 |
| img_part_name | 即需要替換的圖片的（部分）文件名,比如我想換的是“1_測試.jpg”，則此參數可以為“1_”也可以為全名~（需要注意的是：填寫的字符串盡量為文件夾中唯一的標識符，例如填“_測試”則可能導致想要的文件被其它圖片所覆蓋） |
| x | 圖片中心在模板中的橫向位置（與模板左側的距離） |
| y | 圖片中心在模板中的縱向位置（與模板上側的距離） |
| r | 圖片出于模板中的實際半徑 |
之所以+4是因為之前利用seamlessClone時邊緣會收到原模板的影響，改成ROI后懶得該回去了，不加應該也沒什么問題~
def export_comp_img(path):
print("[START] export_comp_img ...")
for file_path in os.listdir(path):
file_path = path + "\\" + file_path
# 創建畫布方法，就是利用np.zeros，與本文無關就不放啦~
img = create_img(2400, 3600)
input_circle_img(img, file_path, "2_", 1862, 800, 440)
input_circle_img(img, file_path, "1_", 1247, 558, 315)
# input_rect_img(img, file_path, "3_", (0, 2202), (2400, 2944))
# 保存圖片方法，就是利用imencode，與本文無關就不放啦~
save_img(img, file_path)
不出意外的話應該就可以得到下面的這張圖片啦！~
然后再把模板的那張PNG圖片蓋到最上面——可以利用上文中mask的思路，也可以放到PS里面合成~這里一方面我需要在PS中進行后續的一些操作，另一方面也需要觀察圖片邊緣的處理效果，因而選擇了后者。
和模板里的位置完美對齊！~
PS：如果是除圓以外的不規則圖形的話，可以通過改變mask實現——最粗暴的便是加載一張mask圖片~
而若是單純的矩形選區的話則無視mask即可~
至此完結！~下面是一些無關緊要的補充……
ROI合成矩形區域
def input_rect_img(img, file_path, img_part_name, start_point, end_point):
for file in os.listdir(file_path):
if img_part_name in file:
path = file_path + "\\" + file
src = cv_imread(path)
h = end_point[1] - start_point[1]
w = end_point[0] - start_point[0]
src = cv.resize(src, (w, h))
imgROI = img[start_point[1]:(start_point[1] + h),start_point[0]:(start_point[0] + w)]
for row in range(imgROI.shape[0]):
for col in range(imgROI.shape[1]):
imgROI[row, col] = src[row, col]
seamlessClone合成圓形區域
值得一提的是，一開始我用的是seamlessClone方法，但嘗試了三種模式效果均不理想：
def input_circle_img_seamlessClone(img, file_path, img_part_name, x, y, r):
for file in os.listdir(file_path):
if img_part_name in file:
path = file_path + "\\" + file
src = cv_imread(path)
src = cv.resize(src, (r * 2 + 4, r * 2 + 4))
h, w, ch = src.shape
mask = np.zeros(src.shape[:2], dtype=np.uint8)
mask = cv.circle(mask, (r + 1, r + 1), r, (255, 255, 255), -1)
center = (x, y)
output = cv.seamlessClone(src, img, mask, center, cv.MIXED_CLONE)
return output
MIXED_CLONE
NORMAL_CLONE
MONOCHROME_TRANSFER
NORMAL_CLONE和MIXED_CLONE的區別主要看的是兩個圓的交界處，但這兩種方法的邊緣都會有一個過渡的處理，不太適合套模板的時候用……
到此這篇關于Python利用ROI進行圖像合成的文章就介紹到這了,更多相關Python圖像合成內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
