Opencv 证件照片一键换底、马赛克处理

证件照片一键换底步骤

1、获取图片；

2、数据组装；

3、Kmeans处理；

4、遮罩；

5、腐蚀、高斯模糊处理；

6、背景通道色替换；

TermCriteria 类 定义迭代算法终止条件的类。

构造函数
  参数：
  // type： 终止条件的类型，TermCriteria::Type之一。 
  // maxCount：要计算的最大迭代次数或元素。
  // epsilon：迭代算法停止的期望精度或参数更改。
  TermCriteria::TermCriteria(int _type, int _maxCount, double _epsilon)
    : type(_type), maxCount(_maxCount), epsilon(_epsilon) {}

KMeans 算法

KMeans算法可以实现简单的证件照片的背景分割提取与替换。

kmeans算法又名k均值算法。其算法思想大致为：先从样本集中随机选取 𝑘k 个样本作为簇中心，并计算所有样本与这 𝑘k 个“簇中心”的距离，对于每一个样本，将其划分到与其距离最近的“簇中心”所在的簇中，对于新的簇计算各个簇的新的“簇中心”。

- (UIImage *)changeBG{
    Mat img, img1, img2, img3;
    UIImageToMat(self.imgView.image, img);
    cvtColor(img, img1,COLOR_BGRA2BGR,3);//图片类型转换，将ARGB转RGB
    img2=img1.clone();
    Mat points = handleImgData(img1);
    //Kmeans处理
        int numCluster = 4;
        Mat labels;
        Mat centers;
        TermCriteria termCriteria = TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 10, 0.1);
        kmeans(points, numCluster, labels, termCriteria, 3, KMEANS_PP_CENTERS, centers);
        //遮罩
        Mat mask = Mat::zeros(img1.size(), CV_8UC1);
        int index = img1.rows * 2 + 2;
        int cindex = labels.at<int>(index, 0);//背景设置为0
        int height = img1.rows;
        int width = img1.cols;
        for (int row = 0; row < height; row++){
            for (int col = 0; col < width; col++){
                index = row * width + col;
                int label = labels.at<int>(index, 0);
                if (label == cindex){
                    img2.at<Vec3b>(row, col)[0] = 0;
                    img2.at<Vec3b>(row, col)[1] = 0;
                    img2.at<Vec3b>(row, col)[2] = 0;
                    mask.at<uchar>(row, col) = 0;
                }
                else{
                    mask.at<uchar>(row, col) = 255;
                }
            }
        }
        //腐蚀
    Mat k = getStructuringElement(MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));
        erode(mask, mask, k);
        //高斯模糊
    GaussianBlur(mask, mask, cv::Size(3, 3), 0, 0);
        //背景颜色调整
        Vec3b color;//RGB三原色可以任意组合 ，注意下面的数组顺序是BGR
        color[0] = 255;  //B
        color[1] = 0;  //G
        color[2] = 0;  //R

        Mat result(img1.size(), img1.type());
        double d1 = 0.0;
        int r = 0, g = 0, b = 0;
        int r1 = 0, g1 = 0, b1 = 0;
        int r2 = 0, g2 = 0, b2 = 0;

        for (int row = 0; row < height; row++){
            for (int col = 0; col < width; col++){
                int m = mask.at<uchar>(row, col);
                if (m == 255){
                       result.at<Vec3b>(row, col) = img1.at<Vec3b>(row, col);//前景
                   }
                   else if (m == 0){
                       result.at<Vec3b>(row, col) = color;//背景
                   }else{
                       d1 = m / 255.0;
                       b1 = img1.at<Vec3b>(row, col)[0];
                       g1 = img1.at<Vec3b>(row, col)[1];
                       r1 = img1.at<Vec3b>(row, col)[2];
                       b2 = color[0];
                       g2 = color[1];
                       r2 = color[2];
                       b = b1 * d1 + b2 * (1.0 - d1);
                       g = g1 * d1 + g2 * (1.0 - d1);
                       r = r1 * d1 + r2 * (1.0 - d1);
                       result.at<Vec3b>(row, col)[0] = b;
                       result.at<Vec3b>(row, col)[1] = g;
                       result.at<Vec3b>(row, col)[2] = r;
                   }
               }
           }
    return MatToUIImage(result);
}

//组装样本数据
Mat handleImgData(Mat& img){
    int width = img.cols;
    int height = img.rows;
    int count1 = width * height;
    int channels1 = img.channels();
    Mat points(count1, channels1, CV_32F, Scalar(10));
    int index = 0;
    for (int row = 0; row < height; row++){
        for (int col = 0; col < width; col++){
            index = row * width + col;
            Vec3b bgr = img.at<Vec3b>(row, col);
            points.at<float>(index, 0) = static_cast<int>(bgr[0]);
            points.at<float>(index, 1) = static_cast<int>(bgr[1]);
            points.at<float>(index, 2) = static_cast<int>(bgr[2]);
        }
    }
    return points;
}

马赛克处理

马赛克原理： 是把图像上某个像素点一定范围邻域内的所有点用邻域内左上像素点的颜色代替，这样可以模糊细节，但是可以保留大体的轮廓。就是用左上角的那个值，来替换右下方一个小方块的值，逐步进行替换即可。

//添加马赛克，level 值越大，马赛克块越大，越看越清
- (UIImage *)mosaic:(UIImage *)inputImage level:(int)level{
    //iOS图片转opencv的 Mat格式
    Mat srcImage;
   UIImageToMat(inputImage, srcImage);
    int width=srcImage.cols;//宽
    int height=srcImage.rows;//高
    Mat desImage;
    cvtColor(srcImage, desImage,COLOR_BGRA2BGR,3);//图片类型转换，将ARGB转RGB
    Mat cloneImage=desImage.clone();//克隆目标图
    //level为马赛克水平，值越大，马赛克块越大，越看不清楚，马赛克大小是level个像素宽度，为了防止宽高溢出，遍历像素点时宽高都需要减去level
    int x=width-level;
    int y=height-level;
    for (int i=0; i<y; i+=level) {//i<总高，每次加level
        for (int j=0; j<x; j+=level) {//j小总宽，每次加level
            //创建马赛克矩形区域
            Rect2i mosaicRect=Rect2i(j,i,level,level);
            //填充数据
            Mat roi=desImage(mosaicRect);
            //保证矩形区域颜色一致，方框内颜色值都为i，j点位的值
            Scalar scaler = Scalar(
                cloneImage.at<Vec3b>(i,j)[0],
                cloneImage.at<Vec3b>(i,j)[1],
                cloneImage.at<Vec3b>(i,j)[2]
            );
            //将处理好的矩形区域拷贝到目标图上去
            Mat roiCopy = Mat(mosaicRect.size(),CV_8UC3,scaler);
            roiCopy.copyTo(roi);
        }
    }
    //转换opencv图为iOS图片格式
    UIImage *imag=MatToUIImage(desImage);
    return imag;
}

图像叠加

C++: void Mat::``copyTo(OutputArray m) const

C++: void Mat::``copyTo(OutputArray m, InputArray mask) const

这个函数可以复制图像到另一个图像或矩阵上，可选参数是掩码

由于叠加的图像大小不一定相等，比如我们这里把一张小照片加到一张大照片上

我们可以在大照片上设置一个和小照片一样大的感兴趣区域

不使用掩码的时候，我们载入一张png，和一张jpg

//图像叠加，添加水印，未使用掩码
- (UIImage *)roi:(UIImage *)inputImage{
    Mat srcImg,logoImg;
    UIImageToMat(inputImage, srcImg);
    UIImage *logo=[UIImage imageNamed:@"8.jpg"];
    UIImageToMat(logo, logoImg);
    Mat imgROI=srcImg(cv::Rect(0,0,logoImg.cols,logoImg.rows));
    logoImg.copyTo(imgROI);
    return MatToUIImage(srcImg);
}