然后这是一张背景图：

今天的任务很简单，我要对第一张图中的人物进行抠图，然后贴在背景图上。

这个操作用PS并不复杂，让我们来看一下这一过程如何用代码来实现~

私信菜鸟007获取神秘大奖一份！

素材处理

首先，导入一些工具包

opencv(cv2)，用于图像处理

numpy，用于数据计算。

matplotlib用于出图。

然后，导入前景图。

因为opencv的图片默认使用BGR图像格式，而我们通常使用的图片是RGB（红，绿，蓝），所以，需要再转换一下格式，否则查看时颜色会失真。

最后打印图片规格和图片本身

同样的方法，导入背景图

效果如下，高1079，长1920,3通道。

我们发现人物图高度和背景高度差不多，且我们只要中间的人像即可，那么我们先来适当地裁剪一下图片

通过切片，裁去了logo

再对图片缩小10%，这样大小最为合适

打印一下图片尺寸，发现裁剪成功

图片在计算机中是用数字矩阵形式保存的，红、绿、蓝三个颜色通道每种色各分为256阶，分别由0-255这256个数表示。比如900*360的图片，可以理解为900行360列的像素矩阵，而每个像素又是由R，G，B三个数字确认其颜色的。于是，我们先把图片的行，列数记录下来，稍后可以用诸如遍历的方法读取每个像素，再对其进行矩阵计算。

▼

抠图：三种效果

抠图的方法雷同PS，我们要先建立个蒙版。在开始之前，我们先需要把图片转换成HSV格式，这是一种比较直观的颜色模型，可以更好的数字化处理颜色。

看下效果：

虽然不能直视，但做法显而易见，只要把非蓝色的部分提取出来。我们设定一个阈值，在最小阈值以下和最大阈值以上，图像变为0，而在阈值之间的变为255。

然后，遮罩就这么给整了出来。

不过，我们发现，人物中间有那么多小点点，我需要把它们去掉。这里使用形态学图像处理的基本方法，先腐蚀后膨胀。其原理是在原图的小区域内取局部最小值和最大值，背后的逻辑为深度学习中的卷积神经网络。

通过尝试，我发现还可以使用开运算（先腐蚀后膨胀的整合运算）直接完成这一过程，且效果相对较好。

大家可以自行比较下腐蚀，腐蚀后膨胀和开运算的效果：

▼

图像合并

最后，终于到了图像合并环节。先设定人物在背景图中的起始位置。再遍历遮罩中的每个像素，如果是0（代表黑色），则把人物图像上的颜色赋值到背景图像上。

运行完毕，显示结果：

受限于图片质量和简化代码，略显粗糙，但大体已经达到功能~

最后，调整图片格式，并保存。

记得私信菜鸟哦，教程到此为止！