Python OpenCV背景减去法抠图实现详解

陆景行

发布时间：2026-10-15 | 5人浏览过

原创

本文详细介绍利用Python和OpenCV通过背景减去法进行图像抠图的完整流程。涵盖图像预处理、灰度转换、背景减法计算差异、自适应阈值二值化、形态学操作去噪、轮廓查找与筛选、以及最终Alpha通道合成保存。通过具体代码示例，展示如何处理不同尺寸背景图并生成透明背景图像。

首先导入必要的Python库，包括OpenCV用于图像处理、Matplotlib用于图像显示以及NumPy用于数组运算。

import cv2
from matplotlib import pyplot as plt
import numpy as np

读取目标图像target.png，并使用Matplotlib将其从BGR格式转换为RGB格式进行显示。同时获取图像尺寸信息，示例中图像尺寸为2436x1125像素，包含3个颜色通道。

imA=cv2.imread("target.png")
plt.imshow(cv2.cvtColor(imA,cv2.COLOR_BGR2RGB))
imA.shape #(2436, 1125, 3)

imBG=cv2.imread("bg_30061.jpg")
plt.imshow(cv2.cvtColor(imBG,cv2.COLOR_BGR2RGB))

读取背景图像bg_30061.jpg并显示。接着进行预处理步骤：将背景图像缩放到与目标图像相同的尺寸（1125x2436），使用双三次插值算法确保缩放质量。随后将目标图像和背景图像均转换为灰度图像，以便后续进行像素级运算。

# Step 1 预处理
# 日常缩放图像，背景图要缩放到和图A意一样大
imBG=cv2.resize(imBG,(1125,2436),interpolation=cv2.INTER_CUBIC)
# 后续代码都是基于灰度图像操作的
imA_gray=cv2.cvtColor(imA,cv2.COLOR_BGR2GRAY)
imBG_gray=cv2.cvtColor(imBG,cv2.COLOR_BGR2GRAY)
# 背景减去
sub=imBG_gray.astype("int32")-imA_gray.astype("int32")
sub=np.absolute(sub).astype("uint8")
plt.imshow(cv2.cvtColor(sub,cv2.COLOR_BGR2RGB))

执行背景减法操作：将背景灰度图像转换int32类型后减去目标灰度图像，取绝对值并转换回uint8类型得到差异图像。该差异图像反映了前景与背景的不同之处，用于后续的二值化处理。

# Step 2 二值化图像
thresh=cv2.adaptiveThreshold(sub,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,19,5)
## 图像二值化有很多种方法， adaptiveThreshold 是基于局部的，最后两个参数，19,5 决定了边缘检测的清晰度
thresh=cv2.erode(thresh,None,iterations=2)
thresh=cv2.dilate(thresh,None,iterations=2)
# 膨胀腐蚀，主要是消去噪声点，同时边缘封闭（边缘不封闭，无法完全填充）
plt.figure(num="thresh")
plt.imshow(cv2.cvtColor(thresh,cv2.COLOR_BGR2RGB))
plt.close

对差异图像进行二值化处理，采用自适应高斯阈值法（adaptiveThreshold），参数19和5控制局部窗口大小和常数C，以增强边缘检测的清晰度。随后进行形态学操作：先腐蚀（erode）再膨胀（dilate）两次，以消除噪声点并封闭边缘，确保后续轮廓填充的完整性。

# Step 3 边缘检测
cnts,hierarchy=cv2.findContours(thresh.copy(),cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
len(cnts)
area=[]
for i in cnts:
    cnt_area = cv2.contourArea(i)
    area.append(cnt_area)
# 通过面积大小，找到需要的边缘的 index，这里为 866
mask=np.zeros([2436,1125],dtype=np.uint8)
mask[:,:]=255
res=cv2.drawContours(mask,cnts,866,(0,0,225),2)
plt.imshow(cv2.cvtColor(res,cv2.COLOR_BGR2RGB))
# 画出边缘

查找二值化图像中的所有轮廓，并计算每个轮廓的面积。通过面积筛选找到目标对象的轮廓索引（示例中为866）。初始化一个与图像尺寸相同的黑色掩模，并将所有像素设为255（白色），然后绘制选定的轮廓，线条颜色为蓝色，粗细为2像素，用于可视化边缘检测结果。

# 填充轮廓并制作掩模
mask2=np.zeros([2436,1125],dtype=np.uint8)
mask2[:,:]=0
res2=cv2.drawContours(mask2,cnts,866,255,cv2.FILLED)
plt.imshow(cv2.cvtColor(res2,cv2.COLOR_BGR2RGB))

基于筛选出的轮廓创建填充掩模：初始化全黑掩模，使用drawContours函数以FILLED模式填充指定索引的轮廓，生成白色填充区域。该掩模将用于提取前景图像。最后，将目标图像的B、G、R通道分离，并与生成的Alpha通道（掩模）合并，创建包含4个通道的图像数组，其中Alpha通道控制透明度。最终保存为PNG格式文件imA_new.png，实现透明背景抠图效果。

# 保存为 png
h,w,c=imA.shape
b,g,r=cv2.split(imA)
imA_2=np.zeros((4,h,w),dtype=imA.dtype)
imA_2[0][0:h,0:w]=b
imA_2[1][0:h,0:w]=g
imA_2[2][0:h,0:w]=r
imA_2[3][0:h,0:w]=mask2
imA_new=cv2.merge(imA_2)
cv2.imwrite("imA_new.png",imA_new)