基于python的证件照_用20行python代码给证件照换底色

imread:读取图片;

imshow:展示图片;

waitkey:设置窗口等待,如果不设置,窗口会一闪而过;

imread:读取图片;

imshow:展示图片;

waitkey:设置窗口等待,如果不设置,窗口会一闪而过;

importnumpy asnp

# 读取照片

img=cv2.imread( 'girl.jpg')

# 显示图像

cv2.imshow( 'img',img)

# 窗口等待的命令,0表示无限等待

cv2.waitKey( 0)

效果如下:

62f5c83b0f340282bc8de4f7adace71b.png

3.图片缩放

resize:图片缩放,其中fx和fy表示缩放比例,0.5表示缩放为以前的 一半。

resize:图片缩放,其中fx和fy表示缩放比例,0.5表示缩放为以前的 一半。

importnumpy asnp

# 读取照片

img=cv2.imread( 'girl.jpg')

# 图像缩放

img = cv2.resize(img, None,fx= 0.5,fy= 0.5)

rows,cols,channels = img.shape

print(rows,cols,channels)

# 显示图像

cv2.imshow( 'img',img)

# 窗口等待的命令,0表示无限等待

cv2.waitKey( 0)

结果如下:

f971148288d7190bbf3422df6714a9aa.png

4.将图片转换为灰度图像

三色图片有RGB三个颜色通道,无法进行腐蚀和膨胀的操作。这个就需要我们将彩色图片转换为hsv灰度图像后,再完成腐蚀和膨胀的操作。

cv2.cvtColor(img,cv2.COLOR_BGR2HSV)可以将彩色图片转化为hsv灰度图片。

cv2.cvtColor(img,cv2.COLOR_BGR2HSV)可以将彩色图片转化为hsv灰度图片。

importnumpy asnp

# 读取照片

img=cv2.imread( 'girl.jpg')

# 图像缩放

img = cv2.resize(img, None,fx= 0.5,fy= 0.5)

rows,cols,channels = img.shape

print(rows,cols,channels)

cv2.imshow( 'img',img)

# 图片转换为二值化图

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

# 显示图像

cv2.imshow( 'hsv',hsv)

# 窗口等待的命令,0表示无限等待

cv2.waitKey( 0)

结果如下:

7f2d63774496e346f6f3e70765bc14d1.png

5.将图片进行二值化处理

二值化处理是为了将图片转换为黑白图片。二值化类似于1表示男、2表示女,对于图像的处理我们也需要自定义一个最小值和最大值,这里分别用lower_blue和upper_blue表示

lower_blue = np.array([90,70,70])

upper_blue = np.array([110,255,255])

inRange(hsv, lower_blue, upper_blue)将图片进行二值化操作。

lower_blue = np.array([90,70,70])

upper_blue = np.array([110,255,255])

inRange(hsv, lower_blue, upper_blue)将图片进行二值化操作。

importnumpy asnp

# 读取照片

img=cv2.imread( 'girl.jpg')

# 图像缩放

img = cv2.resize(img, None,fx= 0.5,fy= 0.5)

rows,cols,channels = img.shape

print(rows,cols,channels)

cv2.imshow( 'img',img)

# 图片转换为灰度图

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

cv2.imshow( 'hsv',hsv)

# 图片的二值化处理

lower_blue = np.array([ 90, 70, 70])

upper_blue = np.array([ 110, 255, 255])

mask = cv2.inRange(hsv, lower_blue, upper_blue)

# 显示图像

cv2.imshow( 'mask',mask)

# 窗口等待的命令,0表示无限等待

cv2.waitKey( 0)

结果如下:

b4a25c4ec71b10835e48fbc36c6fc3d8.png

缺点: 我们观察第三章图片,发现黑色区域有时候会出现一些噪声(白点),这里可能显示的不是很明显,有的图片显示的很明显,这就需要我们进行腐蚀或膨胀。

6.图象的腐蚀和膨胀

上面的图象进行二值化后,出现了一些噪声,我们可以采用腐蚀或膨胀进行图片的处理,观察哪种的处理效果好一些。

erode(mask,None,iterations=1)进行腐蚀操作。

dilate(erode,None,iterations=1)进行膨胀操作。

erode(mask,None,iterations=1)进行腐蚀操作。

dilate(erode,None,iterations=1)进行膨胀操作。

importnumpy asnp

# 读取照片

img=cv2.imread( 'girl.jpg')

# 图像缩放

img = cv2.resize(img, None,fx= 0.5,fy= 0.5)

rows,cols,channels = img.shape

print(rows,cols,channels)

cv2.imshow( 'img',img)

# 图片转换为灰度图

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

cv2.imshow( 'hsv',hsv)

# 图片的二值化处理

lower_blue=np.array([ 90, 70, 70])

upper_blue=np.array([ 110, 255, 255])

mask = cv2.inRange(hsv, lower_blue, upper_blue)

#腐蚀膨胀

erode=cv2.erode(mask, None,iterations= 1)

cv2.imshow( 'erode',erode)

dilate=cv2.dilate(erode, None,iterations= 1)

cv2.imshow( 'dilate',dilate)

# 窗口等待的命令,0表示无限等待

cv2.waitKey( 0)

结果如下:

ac09f7131f7794fc8efe199cb0789079.png

观察上图: 对于这个图片,无论是腐蚀或膨胀,都起到了很好的去图片噪声的操作,我们使用腐蚀后的图片也可以,我们使用膨胀后的图片也可以。

7.遍历每个像素点进行颜色替换

图片是由每一个像素点组成的,我们就是要找到腐蚀后得到图片的,白色底色处的像素点,然后将原图中对应位置处的像素点,替换为红色。

importcv2

importnumpy asnp

# 读取照片

img=cv2.imread( 'girl.jpg')

# 图像缩放

img = cv2.resize(img, None,fx= 0.5,fy= 0.5)

rows,cols,channels = img.shape

print(rows,cols,channels)

cv2.imshow( 'img',img)

# 图片转换为灰度图

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

cv2.imshow( 'hsv',hsv)

# 图片的二值化处理

lower_blue=np.array([ 90, 70, 70])

upper_blue=np.array([ 110, 255, 255])

mask = cv2.inRange(hsv, lower_blue, upper_blue)

#腐蚀膨胀

erode=cv2.erode(mask, None,iterations= 1)

cv2.imshow( 'erode',erode)

dilate=cv2.dilate(erode, None,iterations= 1)

cv2.imshow( 'dilate',dilate)

#遍历每个像素点,进行颜色的替换

fori inrange(rows):

forj inrange(cols):

iferode[i,j]== 255: # 像素点为255表示的是白色,我们就是要将白色处的像素点,替换为红色

img[i,j]=( 0, 0, 255) # 此处替换颜色,为BGR通道,不是RGB通道

cv2.imshow( 'res',img)

# 窗口等待的命令,0表示无限等待

cv2.waitKey( 0)

效果如下:

9c5b1684a2af193a314745c442c70033.png

如此,我们就完成了一张证件照的底色替换。

作者:黄伟呢

来源: 数据分析与统计学之美

OpenCV-Python,计算机视觉开发利器

通过FCN模型实现图像分割(Python篇+代码) 模型的构建的一个关键就是用到了tensorflow库,没有安装的小伙伴可以看我之前的文章,可以通过里面的函数,定义模型的输入层、卷积层、池化层、反卷积层、输出层,经过各个步骤,模型就能构建出来,这里有一个地方得非常注意,输出层的activation函数千万别选softmax,一定要选sigmoid,别问我为什么知道。使用深度神经网络的原因是神经网络是一种多层的、可训练的模型,这样的话,它就能对图像中的甲状腺结点起到分类效果,且通过一定量的正则化训练,神经网络的性能也将愈加优异,对图像的分类也更加精准。 阅读详情

相关推荐

基于python的证件照_python证件照换底色原来这么简单,20行代码解决!

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理以下文章来源于腾讯云 作者:Python进阶者( 想要学习Python?Python学习交流群:1039649593,满足你的需求,资料都已经上传群文件流,可以自行下载!还有海量最新2020python学习资料。 )1.图片来源该图片来源于百度图片,如果侵权,请联系我删除!图片仅用于...

weixin_39907939的博客 235

Python FCN 图像分类

Python 中的 FCN (Fully Convolutional Network) 是一种深度学习模型,可以用于图像分类任务。它的主要特点是使用了全卷积神经网络 (Convolutional Neural Network, CNN) 的结构,并在此基础上增加了反卷积层 (deconvolutional layer)。这样的结构可以使 FCN 模型在保留输入图像的空间信息的同时,具有较高的分类精...

weixin_42596011的博客 263

Python如何只用20行代码给证件照换底色,学会了不怕没有女朋友!!!

本文只是一种实现思路,当然PS很好用(一张的话建议使用PS哦~,多张图片的话用代码快很多哦~),希望大家能够学习更多的知识,才分享了这个文章。更多精彩,请关注公众号:【测试员小何】,可以获取最新软件测试大厂面试资料和Python自动化、接口、框架搭建学习资料! 1.图片来源 该图片来源于百度图片,如果侵权,请联系我删除!图片仅用于知识交流。 2.读取图片并显示 imread():读取图片; imshow():展示图片; waitkey():设置窗口等待,...

weixin_45129876的博客 357

【Python案例】一键自动抠图生成证件照

不想去照相馆?担心肖像隐私被第三方获取?不会抠图?本文实现基于人工智能的一键自动抠图生成证件照。在进入正文之前

huachao1001的专栏 4108

Python-利用OpenCVFacerecognition实现证件照自动人脸扶正裁剪尺寸背景更换

利用OpenCV,Face_recognition实现证件照自动人脸扶正、裁剪尺寸、背景更换

Python中的证件照处理算法程序

证件照处理:在代码中,首先使用cv2.imread()函数读取输入证件照片,然后使用cv2.resize()函数缩放图像大小。接下来,我们将图像转换为灰度图像、进行高斯模糊、二值化以及膨胀等处理。然后,使用Canny边缘检测算法找到边缘,并使用cv2.findContours()函数找到图像中的轮廓。最后,使用cv2.drawContours()函数绘制轮廓,并使用cv2.imshow()函数显示处理后的图片,并用cv2.imwrite()函数将结果保存为新的图片。 以上只是一个基本的证件照处理算法程序示例,具体的处理方法和参数可以根据实际需求进行调整。使用其他图像处理库或算法,也可以实现不同的证件照处理效果。

20行代码教你用python给证件照换底色

20行代码教你用python给证件照换底色

数据分析与统计学之美 3万+

别再死记硬背了!用MaxDEA软件实操SBM、DDF、NDDF模型,手把手教你测算绿色全要素生产率

本文深度解析如何使用MaxDEA软件实操SBM、DDF、NDDF模型,手把手教你测算绿色全要素生产率(GTFP)。通过详细的模型选择对比、数据准备策略和MaxDEA操作流程,帮助研究者科学构建指标体系并准确解读结果,提升环境管理研究的实证分析能力。

weixin_28731231的博客 318

python换照片底色,20行代码教你用python给证件照换底色的方法示例

1.图片来源该图片来源于百度图片,如果侵权,请联系我删除!图片仅用于知识交流。2.读取图片并显示imread():读取图片;imshow():展示图片;waitkey():设置窗口等待,如果不设置,窗口会一闪而过;import cv2import numpy as np# 读取照片img=cv2.imread("girl.jpg")# 显示图像cv2.imshow("img",img)# 窗口等待...

weixin_34086545的博客 1755

【OWL部署】Manus又一开源平替OWL真的很好用吗?手把手带你部署并运行你的AI助手OWL(对接Qwen、硅基流动接口)

本文介绍了通用人工智能OWL的部署及国内接口对接,全篇干货满满,手把手教学。

MosuoLc的博客 4048

H3C VRF实验

POP-vpn-instance-RT1]route-distinguisher 11:11 # VPN实例-RT1的路由区分器值11:11。配置路由泄露,其实就是在一个VPN示例中添加另一个VPN实例的下一跳,比如在VPN实例RT1中添加去往SRV的默认路由。但是也有了一个新的问题,那就是RT1、RT2和RT3也能互访了,这让VPN实例变得没有意义了。[POP]ip vpn-instance RT1 #配置vpn实例-RT1。绑定了VPN实例,所以要把路由添加到VPN实例POP中。

m0_68698993的博客 4042

python图像二值化 腐蚀 膨胀_20 行 Python 代码教你给证件照换底色

1.图片来源该图片来源于百度图片,如果侵权,请联系我删除!图片仅用于知识交流。本文只是为了告诉大家:python其实有很多黑科技(牛逼的库),我们既可以用python处理工作中的一些事儿,同时我们也可以利用python做一些有趣的事儿。 2.读取图片并显示imread():读取图片;imshow():展示图片;waitkey():设置窗口等待,如果不设置,窗口会一闪而过;importcv2i...

weixin_32121569的博客 449

Qwen3.5在昇腾910B上的vLLM Ascend高性能部署实战

大语言模型推理优化是AI工程落地的核心环节,其本质是计算、内存与通信三者的协同调度。vLLM作为主流推理框架,通过PagedAttention和Continuous Batching显著提升GPU利用率;而昇腾NPU凭借高带宽HBM与专用AI算子,在国产化算力平台中展现出独特优势。当vLLM深度适配昇腾(即vLLM Ascend),不仅保留动态批处理、流式输出等关键能力,更实现KV Cache的HBM感知管理与HCCL直通优化,使中小尺寸模型(如Qwen3.5-35B)在单台Atlas A3服务器上达成百并

weixin_30558697的博客 443

python证件照换底色_还在用PS给证件照换底色吗?20行代码教你用Python给证件照换底色...

图片来源声明:该图片来源于百度图片,如果侵权,请联系我删除!图片仅用于知识交流。本文只是为了告诉大家:python其实有很多黑科技(牛逼的库),我们既可以用python处理工作中的一些事儿,同时我们也可以利用python做一些有趣的事儿。图片来源于网络,如有侵权联系删除读取图片并显示imread():读取图片;imshow():展示图片;waitkey():设置窗口等待,如果不设置,窗口会一闪而过...

weixin_32239819的博客 330

rk3588s-摄像头适配gc8034

若还打开失败,需要看下XML中文件配置是否与DTS配置信息一致,或者XML参数配置是否有异常;MIPI摄像头是有上电时序要求,具体时序要查看sensor芯片对应的datasheet进行修改,如果时序不满足,sensor无法正常,此时用i2ctool去查看设备可能无法扫面到设备,即是i2c设备找不到。RK3588或者RK3588S有路MIPI-PHY,驱动开发工程师需要根据对应的硬件原图进行配置,以下会讲解分别使用MIPI-DPHY和MIPI-D/CPHY如何在DTS配置mipi摄像头的回环链路。

Yxx8066的博客 2202

SQL Server 2025在Windows 11上的安装避坑指南

SQL Server 是微软主流关系型数据库管理系统,其安装与Windows操作系统深度耦合;Windows 11作为新一代桌面平台,强化了基于虚拟化的安全(HVCI)、驱动签名强制策略(WDAC)及内核隔离机制,导致传统数据库部署流程失效。理解二者底层交互原理,是解决服务启动失败、配置管理器无法打开、远程连接被拒等高频问题的技术前提。本文聚焦SQL Server 2025与Windows 11的兼容性挑战,覆盖系统预配置、安装节点诊断、防火墙与服务权限调优等工程实践环节,适用于高校教学、电赛备赛、中小企业

weixin_28741413的博客 330

用20行python代码给证件照换底色

作者:黄伟呢来源:数据分析与统计学之美1.需求说明曾经有位同学在入职的前一天晚上被告知需要提交红色背景的证件照用以制作工号牌,然而此时他手头只有一张蓝色背景的。于是,他用PS替换了背景,...

Python数据之道 481

5分钟搞定!用FunASR在本地快速部署达摩院Paraformer语音识别模型

本文提供了一份快速部署指南,教你如何在5分钟内利用FunASR工具包在本地电脑上启动达摩院Paraformer语音识别模型。Paraformer作为一款非自回归端到端模型,以其推理速度快、识别精度高的特点,结合FunASR的一键式模型加载和统一API,让开发者能轻松构建本地语音识别系统,极大降低了前沿AI技术的应用门槛。

q9w8e7r6t5的博客 610

基于python的证件照_20行代码教你用python给证件照换底色的方法示例

1.图片来源该图片来源于百度图片,如果侵权,请联系我删除!图片仅用于知识交流。2.读取图片并显示imread():读取图片;imshow():展示图片;waitkey():设置窗口等待,如果不设置,窗口会一闪而过;import cv2import numpy as np# 读取照片img=cv2.imread('girl.jpg')# 显示图像cv2.imshow('img',img)# 窗口等待...

weixin_39925350的博客 311

二极管钳位电路、限幅电路和检波电路Multisim电路仿真

本文系统介绍了二极管钳位、限幅和检波三种基础电路的工作原理及Multisim仿真验证。钳位电路通过电容-二极管配合实现波形整体平移,将波峰或波谷固定在指定电压;限幅电路利用二极管导通特性削除信号超出设定阈值的部分;检波电路则通过半波整流和电容滤波从调幅波中提取音频信号。三种电路均通过Multisim仿真验证了理论分析结果,展示了二极管在信号处理中的关键作用。这些基础电路广泛应用于信号调理、电平保护和通信解调等领域。

XU157303764的博客 1139

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

上一篇: django查询mysql 区分大小写_Django+MySQL查询不区分大小写问题
下一篇: java的inputstream_java通过InputStream读取和写入文件操作实例代码
破局三板斧
博客等级 码龄8年 25粉丝 69原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址