python hsv inrange 范围_强！隐身术：python-opencv实现视频中人的消失

1 说明

=====

1.1 孙悟空可以实现人的隐身和消失。

1.2 今天，我们用python-opencv实现摄像头视频中人的消失，就是隐身术。

2 效果展示

3 分析

=====

3.1 注意掩膜与实时背景的色彩，可以微调，主要是便于观察和展示。

3.2 目前适用于固定摄像头背景的隐身，如果是视频，比如mp4的隐身，可能在获取背景上需要下很大功夫，暂时提供思维。

3.3 源代码来自：其中的InvisibilityCloak文件夹的InvisibilityCloak.py文件进行修改、注释、删减和调试等等操作。

https://github.com/spmallick/learnopencv

3.4 讲解清楚，注释仔细，运行成功，小白秒懂，适合收藏，经典。

3.5 环境：python3.8+opencv4.4.0+深度deepin-linux操作系统+微软编辑器vscode。

4 我修改后的代码讲解InvisibilityCloak.py

==============================

4.1 头注释部分，可以只是看看

#摄像头隐身术#第一步：固定摄像头位置，获取背景#第二步：人出现在摄像头内#第三步：一部分红色类物体，及放大后起到隐身人的作用#位操作==按位运算#包括按位操作有：AND,OR,NOT,XOR等。提取图片一部分的时候会很有用。#比如有要将一个logo的中间部分挖掉放到另一个图里，使用简单的ROI操作是办不到的。#bitwise_not是对二进制数据进行“非”操作，#即对图像(灰度图像或彩色图像均可)每个像素值进行二进制“非”操作，~1=0，~0=1 '''参数cv2.morphologyEx(src, op, kernel) 进行各类形态学的变化参数说明:src传入的图片，op进行变化的方式， kernel表示方框的大小op =  cv2.MORPH_OPEN 进行开运算，指的是先进行腐蚀操作，再进行膨胀操作op = cv2.MORPH_CLOSE 进行闭运算， 指的是先进行膨胀操作，再进行腐蚀操作开运算：表示的是先进行腐蚀，再进行膨胀操作闭运算：表示先进行膨胀操作，再进行腐蚀操作'''

4.2

#第1步：导入模块import cv2import numpy as np

4.3

#第2步：初始化#图像摄入cap = cv2.VideoCapture(0)  #来自摄像头#参数初始化count = 0background=0# Capturing and storing the static background frame#背景图读取和存储，人先不要出现60秒for i in range(60):ret,background = cap.read()

4.4

#第3步：循环while(cap.isOpened()):#3-1:获取摄像头实时的图片#第一个参数ret 为True 或者False,代表有没有读取到图片    #第二个参数frame(img)表示截取到一帧的图片ret, img = cap.read()    #3-2:退出设置#如果没有读取到图片if not ret:#退出break    #退出设置k = cv2.waitKey(10)if k == 27:break    #3-3:读取图片和颜色转换#计数count+=1#图像左右互换#img = np.flip(img,axis=1)#背景转换# Converting the color space from BGR to HSVhsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)    #3-4:掩膜#技术要点#下面的数据是针对用红色布进行隐身# Generating mask to detect red colorlower_red = np.array([0,120,70])upper_red = np.array([10,255,255])mask1 = cv2.inRange(hsv,lower_red,upper_red)    #掩膜lower_red = np.array([170,120,70])upper_red = np.array([180,255,255])mask2 = cv2.inRange(hsv,lower_red,upper_red)mask1 = mask1+mask2# Refining the mask corresponding to the detected red color#开运算：表示的是先进行腐蚀，再进行膨胀操作mask1 = cv2.morphologyEx(mask1, cv2.MORPH_OPEN, np.ones((3,3),np.uint8),iterations=2)    #进行膨胀操作#原来是3和3#300和300是隐身范围大小，推荐mask1 = cv2.dilate(mask1,np.ones((300,300),np.uint8),iterations = 1)#位操作==按位运算    #bitwise_not是对二进制数据进行“非”操作mask2 = cv2.bitwise_not(mask1)#是对二进制数据进行“和”操作res1 = cv2.bitwise_and(background,background,mask=mask1)res2 = cv2.bitwise_and(img,img,mask=mask2)    #3-5：Generating the final outputfinal_output = cv2.addWeighted(res1,1,res2,1,0)    #窗口视频展示cv2.imshow('Magic !!!',final_output)

5 操作步骤

========

5.1 打开摄像头。

5.2 打开代码，微软编辑器，首先人不要对着摄像头，偏离，点击运行按钮，获取摄像头固定静态背景图。

5.3 出现展示框，代表摄像头实时视频，人然后出现摄像头内，只要出现一点红色的布，就可以产生大约300和300的隐身范围。我用的是小学生的红领巾。

5.4 本人已经亲测，可行！

分享出来，超级强和经典。