计算机图形学与计算几何经典必备书单整理，下载链接可参考：https://www.stubbornhuang.com/1256/
本站会放置Google广告用于维持域名以及网站服务器费用。
问题反馈可发送邮件到stubbornhuang@qq.com
如果觉得本站的内容有帮助，可以考虑打赏博主哦！
工资「喂饱肚子」，副业「养活灵魂」！
感谢大家访问本站，希望本站的内容可以帮助到大家！
本站由于前段时间遭受到大量临时和国外邮箱注册，所以对可注册的邮箱类型进行了限制！
欢迎大家交换友链，可在https://www.stubbornhuang.com/申请友情链接进行友链交换申请！
在本站开通年度VIP，无限制下载本站资源和阅读本站文章

OpenCV – 图片增加透明通道，图片合并透明通道

StubbornHuang OpenCV 发布于2023-07-12 阅读 2,717次 0次评论 0次点赞本文共1627个字，阅读需要5分钟。

1 为图像增加透明通道

一般人像抠图相关的AI模型会输出一个Mask图，这个Mask图就是我们需要的可以将人物抠出来的Alpha通道信息，我们需要将这个Mask图附加到原始图片上，从BGR图片转成BGRA图片或者从RGB图片转成RGBA图片。

如果使用OpenCV进行图像处理，在为图像增加透明通道时会使用到cv::split和cv::merge方法，先使用cv::split方法分离原始图片各个通道，然后将Mask加入到原始通道中，最后使用cv::merge合成新的通道生成最后的图片。

示例代码如下

#include "opencv2/opencv.hpp"

cv::Mat MergeAlpha(const cv::Mat& src_image, const cv::Mat& alpha_image)
{
    std::vector<cv::Mat> channels;
    cv::split(src_image, channels);
    channels.push_back(alpha_image);
    cv::Mat src_alpha;
    cv::merge(channels, src_alpha);
    return src_alpha;
}

需要注意的是，Mask图片必须与原始图片具有相同的分辨率大小和相同的数据类型，比如原始图片是1920x1080，CV_8UC3的图片，那么Mask图片必须是1920x1080，CV_8UC1的图片。

如果你的OpenCV是编译了CUDA，还可以将上述代码修改成CUDA版本

#include "opencv2/opencv.hpp"
#include "opencv2/cudaimgproc.hpp"
#include "opencv2/cudawarping.hpp"
#include "opencv2/cudaarithm.hpp"

cv::Mat MergeAlphaCUDA(const cv::Mat& src_image, const cv::Mat& alpha_image)
{
    cv::cuda::GpuMat src_image_gpu;
    src_image_gpu.upload(src_image);

    cv::cuda::GpuMat alpha_image_gpu;
    alpha_image_gpu.upload(alpha_image);

    std::vector<cv::cuda::GpuMat> channels;
    cv::cuda::split(src_image_gpu, channels);
    channels.push_back(alpha_image_gpu);
    cv::cuda::GpuMat src_alpha_gpu;
    cv::cuda::merge(channels, src_alpha_gpu);

    cv::Mat result;
    src_alpha_gpu.download(result);

    src_image_gpu.release();
    alpha_image_gpu.release();
    src_alpha_gpu.release();

    for (int i = 0; i < channels.size(); ++i)
    {
        channels[i].release();
    }

    return result;
}

按理来说，使用OpenCV的CUDA版本进行计算相比CPU会快很多，但是经过我对上面CPU和CUDA版本的运行时间的测试，发现最终处理的时间是差不多的，我分析这个原因是在使用CUDA版本时，需要将cpu上的图片使用upload方法从内存传递到显存中，计算完成还需要将最终的结果图片通过download方法从显存传递到内存中，如果图片比较大，这种HostToDevice和DeviceToHost是比较耗时的。