Lekce 5 - Bitové operace a filtrování barev obrázků v Pythonu

V předchozí lekci, Thresholding a analýza obrázků v Pythonu, jsme se zaměřili na thresholding v knihovně OpenCV.

V dnešním Python tutoriálu se podíváme na bitové operace, které jsme načali v předešlých lekcích. Ukážeme si jak fungují masky a odfiltrujeme si barvy z obrázku v OpenCV.

Bitové operace

Bitové operace, jak jsme se již dozvěděli ve 3. lekci, se používají k oddělení nějaké části obrázku od zbytku, v případě 3. lekce k oddělení pozadí od loga.

Tyto operace v knihovně OpenCV můžeme použít například pro vložení obrázku, odfiltrování pozadí/barvy, pro obrácení hodnot masky a mnohem více. Ukážeme si, jak fungují na následujících 2 obrázcích jednoduchých tvarů:

Začněme rovnou naší ukázkovou aplikací:

import cv2
import numpy as np

img1 = np.zeros((300, 300), dtype=np.uint8)
cv2.rectangle(img1, (0, 0), (200, 200), (255, 255, 255), -1)
img2 = np.zeros((300, 300), dtype=np.uint8)
cv2.rectangle(img2, (100, 100), (300, 200), (255, 255), -1)

Vytváříme 2 numpy pole np.zeros((300, 300), dtype=np.uint8), která obsahují pouze hodnoty 0, o rozměrech 300x300px a datového typu np.uint8. Poté do každého vložíme tvar jako na obrázku.

Nyní aplikujeme všechny bitové operace z knihovny OpenCV na tyto 2 obrázky:

import cv2
import numpy as np

img1 = np.zeros((300, 300), dtype=np.uint8)
cv2.rectangle(img1, (0, 0), (200, 200), (255, 255, 255), -1)
img2 = np.zeros((300, 300), dtype=np.uint8)
cv2.rectangle(img2, (100, 100), (300, 200), (255, 255), -1)
cv2.imshow("img1", img1)
cv2.imshow("img2", img2)

vystup = np.zeros((300,300), dtype=np.uint8)

cv2.bitwise_and(img1, img2, vystup)
cv2.imshow("and", vystup)

cv2.bitwise_not(img1, vystup)
cv2.imshow("not", vystup)

cv2.bitwise_or(img1, img2, vystup)
cv2.imshow("or", vystup)

cv2.bitwise_xor(img1, img2, vystup)
cv2.imshow("xor", vystup)

cv2.waitKey()
cv2.destroyAllWindows()

Výsledek jednotlivých operací vidíme na obrázku níže:

Odfiltrování barev

Ukážeme si, jak využít bitové operace pro odfiltrování barev. Jako vždy budu používat obrázek letadla:

Nejdříve si vytvoříme 2 numpy pole, která budou obsahovat rozsah barev, které se budou nacházet v masce. Nejdříve si ukážeme, jak vypadá naše maska, a poté aplikujeme bitovou operaci:

import cv2
import numpy as np

img = cv2.imread("letadlo.jpg")
barva_od = np.array([100, 50, 50])
barva_do = np.array([200, 200, 200])
maska = cv2.inRange(img, barva_od, barva_do)

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

Jako vždy si načteme obrázek img = cv2.imread("letadlo.jpg"). Vytvoříme 2 numpy pole, která použijeme při tvorbě masky, což je rozmezí barev, které chceme ponechat. Vytvoříme samotnou masku, která bude obsahovat černá místa (obsahující naše vybrané barvy) a bílá (ostatní) maska = cv2.inRange(img, barva_od, barva_do).

Maska letadla tedy vypadá takto:

Nyní masku aplikujeme a využijeme bitovou operaci bitwise_and() s naší maskou:

import cv2
import numpy as np

img = cv2.imread("letadlo.jpg")
barva_od = np.array([100, 50, 50])
barva_do = np.array([200, 200, 200])
maska = cv2.inRange(img, barva_od, barva_do)
img = cv2.bitwise_and(img, img, mask = maska)

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

Výsledek:

Černá místa nyní vyplníme obrázkem s kočkou:

import cv2
import numpy as np

img = cv2.imread("letadlo.jpg")
img2 = cv2.imread("kocka.jpg")
img2 = img2[:img.shape[0], :img.shape[1]]
barva_od = np.array([100, 50, 50])
barva_do = np.array([200, 200, 200])
maska = cv2.inRange(img, barva_od, barva_do)
img = cv2.bitwise_and(img, img, mask = maska)
maska_inv = cv2.bitwise_not(maska)
img2_selected = cv2.bitwise_and(img2, img2, mask = maska_inv)
celek = cv2.add(img, img2_selected)

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

Výsledek:

Nejprve aplikujeme bitovou operaci NOT na naši masku maska_inv = cv2.bitwise_not(maska). Poté použijeme masku pro výběr regionu z obrázku kočky img2_selected = cv2.bitwise_and(img2, img2, mask = maska_inv). Vybraný region a odfiltrovaný obrázek letadla spojíme celek = cv2.add(img, img2_selected).

Zdrojový kód ukázkové aplikace najdete ke stažení v příloze článku.

V další lekci, Rozostření a vyhlazování obrázků v Pythonu, se zaměříme na aplikaci vyhlazování pomocí filtrů a rozostření pomocí funkcí v knihovně OpenCV.

Měl jsi s čímkoli problém? Stáhni si vzorovou aplikaci níže a porovnej ji se svým projektem, chybu tak snadno najdeš.