如何使用深度學(xué)習(xí)生成模糊背景？

2021-03-03 09:14

輸出將保持不變，與上一個(gè)沒有任何區(qū)別。步驟4：為閾值圖像添加顏色。現(xiàn)在我們完成了二值化，是時(shí)候?qū)⒒叶葓D像轉(zhuǎn)換為RGB圖像了。mapping ＝ cv2．cvtColor（thresholded＿img， cv2．COLOR＿GRAY2RGB）
np．unique（mapping）

在輸出中，將顏色應(yīng)用于圖像后，它包含兩個(gè)唯一的像素值，即0，255。我們將在接下來的步驟中應(yīng)用背景模糊。4．1：對原始圖像應(yīng)用模糊處理。接下來，讓我們將背景模糊效果應(yīng)用于原始輸入圖像。blurred＿original＿image ＝ cv2．GaussianBlur（orig＿imginal，
（251，251），0）
plt．imshow（blurred＿original＿image）

4．2：獲得背景模糊。在這個(gè)步驟中，我們使用簡單的代碼片段對輸入圖像的背景進(jìn)行模糊處理。layered＿image ＝ np．where（mapping ！＝（0，0，0），
orig＿imginal，
blurred＿original＿image）
plt．imshow（layered＿image）
在上面的代碼片段中，我們所做的只是簡單地填充像素強(qiáng)度值為0的模糊圖像，即填充所有黑色像素和填充像素強(qiáng)度值為255（白色像素）的原始圖像，這產(chǎn)生了一個(gè)漂亮的散景效果，如下圖所示。