Fotos

1. Obtener los bordes

2. Dilatar para cerrar las líneas.

3. Línea de Hough para detectar las líneas.

4. Filtrar las líneas no horizontales

5. Repintar la máscara

6. Conseguir los bordes

 gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray,50,150,apertureSize=3)

2. Dilatar para cerrar las líneas.

 img_dilation = cv2.dilate(edges, np.ones((3,3), np.uint8), iterations=1)

3. Línea de Hough para detectar las líneas.

 lines = cv2.HoughLinesP( img_dilation, # Input edge image 1, # Distance resolution in pixels np.pi/180, # Angle resolution in radians threshold=100, # Min number of votes for valid line minLineLength=5, # Min allowed length of line maxLineGap=10 # Max allowed gap between line for joining them )

4. Filtre las líneas no horizontales usando la pendiente.

 lines_list = [] for points in lines: x1,y1,x2,y2=points[0] lines_list.append([(x1,y1),(x2,y2)]) slope = ((y2-y1) / (x2-x1)) if (x2-x1) != 0 else np.inf if slope <= 1: cv2.line(mask,(x1,y1),(x2,y2), color=(255, 255, 255),thickness = 2)

5. Repintar la máscara

 result = cv2.inpaint(image,mask,3,cv2.INPAINT_TELEA)

Código completo:

 import cv2 import numpy as np # Read image image = cv2.imread('input.jpg') mask = np.zeros((image.shape[0], image.shape[1]), dtype=np.uint8) # Convert image to grayscale gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) # Use canny edge detection edges = cv2.Canny(gray,50,150,apertureSize=3) # Dilating img_dilation = cv2.dilate(edges, np.ones((3,3), np.uint8), iterations=1) # Apply HoughLinesP method to # to directly obtain line end points lines = cv2.HoughLinesP( img_dilation, # Input edge image 1, # Distance resolution in pixels np.pi/180, # Angle resolution in radians threshold=100, # Min number of votes for valid line minLineLength=5, # Min allowed length of line maxLineGap=10 # Max allowed gap between line for joining them ) lines_list = [] for points in lines: x1,y1,x2,y2=points[0] lines_list.append([(x1,y1),(x2,y2)]) slope = ((y2-y1) / (x2-x1)) if (x2-x1) != 0 else np.inf if slope <= 1: cv2.line(mask,(x1,y1),(x2,y2), color=(255, 255, 255),thickness = 2) result = cv2.inpaint(image,mask,3,cv2.INPAINT_TELEA)

Entonces, vi que trabajar el dibujo separado del papel daría un mejor resultado. Usé MORPH_CLOSE para trabajar en el papel y MORPH_OPEN para las líneas en la parte interna. Espero que a tu hija le guste :)

 img = cv2.imread(r'E:\Downloads\i0RDA.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Remove horizontal lines thresh = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY_INV,81,17) horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25,1)) # Using morph close to get lines outside the drawing remove_horizontal = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, horizontal_kernel, iterations=3) cnts = cv2.findContours(remove_horizontal, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts = cnts[0] if len(cnts) == 2 else cnts[1] mask = np.zeros(gray.shape, np.uint8) for c in cnts: cv2.drawContours(mask, [c], -1, (255,255,255),2) # First inpaint img_dst = cv2.inpaint(img, mask, 3, cv2.INPAINT_TELEA)

 gray_dst = cv2.cvtColor(img_dst, cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray_dst, 50, 150, apertureSize = 3) horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15,1)) # Using morph open to get lines inside the drawing opening = cv2.morphologyEx(edges, cv2.MORPH_OPEN, horizontal_kernel) cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts = cnts[0] if len(cnts) == 2 else cnts[1] mask = np.uint8(img_dst) mask = np.zeros(gray_dst.shape, np.uint8) for c in cnts: cv2.drawContours(mask, [c], -1, (255,255,255),2) # Second inpaint img2_dst = cv2.inpaint(img_dst, mask, 3, cv2.INPAINT_TELEA)

Un enfoque es definir una máscara HSV que solo oculte los detalles necesarios (en este caso, son la persona, los destellos y la firma) .

Después de obtener la máscara adecuada, simplemente desenfoca la imagen en las partes no enmascaradas. Aquí está el resultado con la máscara HSV de límites inferiores 0, 0, 160 y límites superiores 116, 30, 253 :

Aquí está el procesamiento de la imagen, en este orden:

(Imagen original), (Máscara),
(Imagen borrosa), (Imagen enmascarada resultante):

Código:

 import cv2 import numpy as np img = cv2.imread("input.jpg") img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) lower = np.array([0, 0, 160]) upper = np.array([116, 30, 253]) mask = cv2.inRange(img_hsv, lower, upper) img_blurred = cv2.GaussianBlur(img, (31, 31), 10) img_blurred[mask == 0] = img[mask == 0] cv2.imshow("Result", img_blurred) cv2.waitKey(0)

Como puede ver, las líneas onduladas en el cabello de la persona resultaron más delgadas de lo que se suponía. Esto se puede arreglar con algunas iteraciones de erosión de la máscara binaria (simplemente agregue mask = cv2.erode(mask, np.ones((3, 3)), 3) al código bajo la definición de la variable mask ) :

 import cv2 import numpy as np img = cv2.imread("input.jpg") img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) lower = np.array([0, 0, 160]) upper = np.array([116, 30, 253]) mask = cv2.inRange(img_hsv, lower, upper) mask = cv2.erode(mask, np.ones((3, 3)), 3) img_blurred = cv2.GaussianBlur(img, (31, 31), 10) img_blurred[mask == 0] = img[mask == 0] cv2.imshow("Result", img_blurred) cv2.waitKey(0)

Producción:

El proceso en el mismo orden de nuevo:

He agregado una publicación aquí para incluir el programa que puede usar para modificar los valores y ver los resultados en tiempo real, en caso de que tenga otras imágenes a las que desee aplicar el mismo método.

Una extensión de esta respuesta, aquí está el programa que le permitirá aplicar el mismo método (de enmascarar los detalles necesarios de la imagen, aplicar desenfoque a la imagen y reemplazar las partes enmascaradas de la imagen con la imagen original ) en cualquier imagen:

 import cv2 import numpy as np def show(imgs, win="Image", scale=1): imgs = [cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) \ if len(img.shape) == 2 \ else img for img in imgs] img_concat = np.concatenate(imgs, 1) h, w = img_concat.shape[:2] cv2.imshow(win, cv2.resize(img_concat, (int(w * scale), int(h * scale)))) d = {"Hue Min": (0, 179), "Hue Max": (116, 179), "Sat Min": (0, 255), "Sat Max": (30, 255), "Val Min": (160, 255), "Val Max": (253, 255), "k1": (31, 50), "k2": (31, 50), "sigma": (10, 20)} img = cv2.imread(r"input.jpg") cv2.namedWindow("Track Bars") for i in d: cv2.createTrackbar(i, "Track Bars", *d[i], id) img = cv2.imread("input.jpg") img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) while True: h_min, h_max, s_min, s_max, v_min, v_max, k1, k2, s = (cv2.getTrackbarPos(i, "Track Bars") for i in d) lower = np.array([h_min, s_min, v_min]) upper = np.array([h_max, s_max, v_max]) mask = cv2.inRange(img_hsv, lower, upper) mask = cv2.erode(mask, np.ones((3, 3))) k1, k2 = k1 // 2 * 2 + 1, k2 // 2 * 2 + 1 img_blurred = cv2.GaussianBlur(img, (k1, k2), s) result = img_blurred.copy() result[mask == 0] = img[mask == 0] show([img, mask], "Window 1", 0.5) # Show original image & mask show([img_blurred, result], "Window 2", 0.5) # Show blurred image & result if cv2.waitKey(1) & 0xFF == ord("q"): break

Demostración de ejecución del programa: