共计 3900 个字符，预计需要花费 10 分钟才能阅读完成。
作者 |PRATEEK JOSHI
编译 |VK
来源 |Analytics Vidhya
概述
- 在运动物体后面添加图像是一个典型的计算机视觉项目
- 了解如何使用传统的计算机视觉技术在视频中添加 logo
介绍
我的一位同事向我提出了一个挑战——建立一个计算机视觉模型，可以在视频中插入任何图像，而不会扭曲移动的物体。
如你所想，这是一个非常有趣的项目。
众所周知，处理视频是很困难的，因为它们是动态的。与图像不同，我们没有可以轻易识别和跟踪的静态对象。复杂性水平上升了好几个层次——这就需要我们对图像处理技术和计算机视觉技术的把握。
我决定在背景上加个 logo。我稍后将详细说明的挑战是，在任何给定视频中插入一个不会妨碍对象动态特性的 logo。
我使用 Python 和 OpenCV 构建了这个计算机视觉系统，并在本文中分享了我的方法。
目录
- 理解问题陈述
- 获取此项目的数据
- 为我们的计算机视觉项目制定蓝图
- 在 Python 中实现这项技术——让我们添加 logo！
理解问题陈述
这将是一个非常罕见的计算机视觉使用案例。我们将在视频中嵌入一个 logo。现在你一定在想 - 那有什么大不了的？我们可以简单地把标志贴在视频上，对吧？
然而，这个标志可能只是隐藏了一些有趣的动作在视频中。如果标志妨碍了前面的移动物体怎么办？这会看起来很 low。
因此，我们必须弄清楚如何在背景中的某个地方添加 logo，这样就不会阻止视频中正在进行的主要操作。
下面的视频 - 左半部分是原始视频，右半部分的 logo 出现在舞者身后的墙上：
视频：https://youtu.be/L9KsuvO0VMs
这是我们将在本文中实现的想法。
获取此项目的数据
我从 pexels.com 网站，一个免费的股票视频网站。如前所述，我们的目标是在视频中放置一个标志，使其出现在某个移动对象的后面。
所以，目前，我们将使用 OpenCV 本身的标志。你可以使用任何你想要的标志（也许你最喜欢的运动队？）。
你可以从这里下载视频和 logo。
https://drive.google.com/file…
为我们的计算机视觉项目制定蓝图
在实施这个项目之前，我们先了解一下这个方法。要执行此任务，我们将借助图像掩码。让我给你看一些插图来了解这项技术。
假设我们要在图像（图 2）中放置一个矩形（图 1），使第二个图像中的圆出现在矩形的顶部：
所以，期望的结果应该是这样的：
然而，这并不是那么简单。当我们从图 1 中选取矩形并将其插入图 2 中时，它将出现在粉色圆圈的顶部：
这不是我们想要的。圆圈应该在矩形的前面。所以，让我们了解如何解决这个问题。
这些图像本质上是数组。这些数组的值是像素值，每种颜色都有自己的像素值。
因此，我们可以将矩形的像素值设置为 1，在这里它应该与圆重叠（在图 5 中），同时保持矩形的其余像素值不变。
在图 6 中，蓝色虚线包围的区域是我们放置矩形的区域。让我们用 R 来表示这个区域。我们也将 R 的所有像素值设置为 1。但是，我们将保持整个粉色圆圈的像素值不变：
我们的下一步是将矩形的像素值与 R 的像素值相乘。因为任何数字乘以 1 都会得到该数字本身，所以所有 R 的像素值都将被矩形的像素替换。
类似地，矩形的像素值 1 将被图 6 的像素替换。最终的结果是这样的：
这是我们将要使用的技术，将 OpenCV 标志嵌入到视频中背后的原理。我们来吧！
在 Python 中实现这项技术
你可以使用 Jupyter 笔记本或任何你选择的 IDE，然后继续。我们将首先导入必要的库。
导入库
import cv2
import re
import os
import random
import numpy as np
import matplotlib.pyplot as plt
from os.path import isfile, join注意：本教程使用的 OpenCV 库版本是 4.0.0。
加载图像
接下来，我们将指定保存 logo 和视频的工作目录的路径。请注意，你应该在下面的代码片段中指定“path”：
# 指定工作目录的路径
path = ".../"
# 读取 logo 图像
logo = cv2.imread(path+"opencv_logo.png")
# 阅读视频的第一帧
cap = cv2.VideoCapture(path+"Pexels Videos 2675513.mp4")
ret, frame = cap.read()所以，我们已经加载了 logo 图像和视频的第一帧。现在让我们看看这些图像或数组的形状：
logo.shape, frame.shape输出：((240, 195, 3), (1080, 1920, 3))
两个输出都是三维的。第一个维度是图像的高度，第二个维度是图像的宽度，第三个维度是图像中的通道数，即蓝色、绿色和红色。
现在，让我们绘制并查看 logo 和视频的第一帧：
plt.imshow(logo)
plt.show()
plt.imshow(cv2.cvtColor(frame,cv2.COLOR_BGR2RGB))
plt.show()
图像掩码技术
框架尺寸比 logo 大得多。因此，我们可以把 logo 放在许多地方。
然而，把 logo 放在画面的中心对我来说似乎是完美的，因为大部分的动作都会发生在视频中的那个区域。因此，我们将把 logo 放入框架中，如下所示：
不用担心标志中的黑色背景。我们将在稍后的代码中将黑色区域中的像素值设置为 1。现在我们要解决的问题是处理移动物体出现在我们放置标志的同一区域。
如前所述，我们需要使 logo 允许自己被移动对象遮挡。
现在，我们将在其中放置 logo 的区域具有广泛的像素值。理想情况下，此区域中的所有像素值都应相同。那我们怎么做呢？
我们必须使绿色虚线框包围的墙像素具有相同的值。我们可以借助 HSV（色调、饱和度、值）颜色空间来完成此操作：
我们的图像是在 RGB 色彩空间。我们将把它转换成 HSV 图像。下图是 HSV 版本：
下一步是仅查找绿色虚线框内零件的 HSV 值范围。结果显示框中的大多数像素的范围从 [6，10，68] 到[30，36，122]。它们分别是 HSV 的上下范围。
现在使用这个 HSV 值范围，我们可以创建一个二进制掩码。此掩码只是像素值为 0 或 255 的图像。因此，在 HSV 值的上下范围内的像素将等于 255，其余像素将为 0。
下面是根据 HSV 图像准备的掩码。黄色区域中的所有像素的像素值为 255，其余像素值为 0：
现在，我们可以根据需要轻松地将绿色虚线框内的像素值设置为 1。让我们回到代码：
# HSV 的范围
lower = np.array([6,10,68])
upper = np.array([30,36,122])
# 为图像创建核
kernel = np.ones((3,3),np.uint8)
# 每次运行以下 while 循环时，执行下面的两行
cap = cv2.VideoCapture(path+"Pexels Videos 2675513.mp4")
cnt = 0
# 循环加载、预处理和显示帧
while(True):
ret, f = cap.read()
# 提取我们将放置 logo 的区域
# 此区域的尺寸应与 logo 的尺寸相匹配
mini_frame = f[500:740,875:1070,:]
# 创建 HSV 图像
hsv = cv2.cvtColor(f, cv2.COLOR_BGR2HSV)
# 创建掩码
mask = cv2.inRange(hsv, lower, upper)
dil = cv2.dilate(mask,kernel,iterations = 5)
# 创建 3 个通道
mini_dil = np.zeros_like(mini_frame)
mini_dil[:,:,0] = dil[500:740,875:1070]
mini_dil[:,:,1] = dil[500:740,875:1070]
mini_dil[:,:,2] = dil[500:740,875:1070]
# 复制 logo 图像
logo_copy = logo.copy()
# 当掩码的像素值为 0 时，将像素值设置为 1
logo_copy[mini_dil == 0] = 1
# 将标识的像素值设置为 1，其中标识的像素值为 0
logo_copy[logo == 0] = 1
# 当 logo 的像素值不为 1 时，将像素值设置为 1
mini_frame[logo_copy != 1] = 1
# 合并图像(数组乘法)
mini_frame = mini_frame*logo_copy
# 在框架中插入 logo
f[500:740,875:1070,:] = mini_frame
# 调整框架的大小(可选)
f = cv2.resize(f, (480, 270), interpolation = cv2.INTER_AREA)
# 显示帧
cv2.imshow('frame', f)
# 保存帧
# cv2.imwrite(path+'frames/'+str(cnt)+'.png',f)
cnt+= 1
if cv2.waitKey(20) & 0xFF == ord('q'):
cv2.destroyAllWindows()
break上面的代码片段将从视频中加载帧，对其进行预处理，并创建 HSV 图像和掩码，最后将 logo 插入到视频中。你完成了！
结尾
在本文中，我们介绍了一个非常有趣的计算机视觉用例，并从零开始实现它。在此过程中，我们还学习了如何使用图像数组以及如何从这些数组创建掩码。
当你处理其他的计算机视觉任务时，这会对你有所帮助。
原文链接：https://www.analyticsvidhya.c…
欢迎关注磐创 AI 博客站：
http://panchuang.net/
sklearn 机器学习中文官方文档：
http://sklearn123.com/
欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/
