Machine Learning News Hubb
Advertisement Banner
  • Home
  • Machine Learning
  • Artificial Intelligence
  • Big Data
  • Deep Learning
  • Edge AI
  • Neural Network
  • Contact Us
  • Home
  • Machine Learning
  • Artificial Intelligence
  • Big Data
  • Deep Learning
  • Edge AI
  • Neural Network
  • Contact Us
Machine Learning News Hubb
No Result
View All Result
Home Machine Learning

Chroma key com OpenCV. Descubra como utilizar uma tela verde e… | by Jonys Arcanjo | JonysArcanjo | Jun, 2023

admin by admin
June 11, 2023
in Machine Learning


Chroma Key com OpenCV

Nossa tarefa consiste em substituir o fundo verde do vídeo_01 pelo fundo presente no vídeo_02.

Vídeo_01
Vídeo_02

O código completo do projeto estará disponivel aqui.

Aqui está uma explicação passo a passo do código:

  1. Importa as bibliotecas necessárias:
  • cv2: Biblioteca OpenCV para processamento de imagens.
  • numpy (abreviado como np): Biblioteca para manipulação de arrays e cálculos numéricos.

2. Carrega dois vídeos:

  • cap_webcam: Lê o vídeo da webcam ou de um arquivo de vídeo, dependendo da linha descomentada.
  • cap_fundo: Lê um arquivo de vídeo que será usado como fundo.

3. Entra em um loop principal:

  • Lê um quadro (frame) de cada vídeo usando as funções cap_webcam.read() e cap_fundo.read().
  • Verifica se os vídeos terminaram. Se um dos vídeos chegar ao fim, o loop é encerrado.

4. Define os limites de cor verde em formato RGB:

  • lower_green e upper_green definem os valores mínimos e máximos para a cor verde. Os valores fornecidos neste exemplo são uma aproximação dos limites para a cor verde.

5. Cria uma máscara para identificar os pixels na faixa de cor verde:

  • mask = cv2.inRange(frame_webcam, lower_green, upper_green) cria uma máscara binária onde os pixels na faixa de cor verde são representados por 255 (branco) e os pixels fora da faixa são representados por 0 (preto).

6. Extrai os pixels do fundo verde usando a máscara:

  • fundo_background = cv2.bitwise_and(frame_fundo, frame_fundo, mask=mask) aplica a máscara para extrair os pixels do quadro do fundo que correspondem à cor verde do quadro da webcam.

Este é o resultado da nossa primeira mascará:

Mascará

7. Inverte a máscara para obter os pixels que não estão na faixa de cor verde:

  • mask_inv = np.invert(mask) inverte a máscara para que os pixels que não estão na faixa de cor verde sejam representados por 255 (branco) e os pixels verdes sejam representados por 0 (preto).
Mascará invertida

8. Extrai os pixels da webcam que não são verdes:

  • webcam_foreground = cv2.bitwise_and(frame_webcam, frame_webcam, mask=mask_inv) aplica a máscara invertida para extrair os pixels da webcam que não são verdes.

9. Combina os pixels extraídos do fundo com os pixels da webcam:

  • result = cv2.addWeighted(fundo_background, 1, webcam_foreground, 1, 0) combina os dois conjuntos de pixels usando uma operação de adição ponderada para criar uma imagem final em que o fundo verde é substituído pelo conteúdo da webcam.

10. Mostra o resultado em uma janela:

  • cv2.imshow("Resultado", result) exibe o resultado da substituição de fundo em uma janela com o título “Resultado”.

11. Verifica se a tecla ‘q’ é pressionada para encerrar o programa:

  • if cv2.waitKey(1) & 0xFF == ord('q'): verifica se a tecla ‘q’ foi pressionada. Se sim, o loop é encerrado e o programa é finalizado.

Ao executar o programa, o resultado obtido é um vídeo que combina o conteúdo do vídeo01 com o fundo do vídeo02.

Se você gostou do artigo e gostaria de me apoiar, certifique-se de:

👏 Palmas para a artigo (50 palmas) para ajudar este artigo a ser apresentado para mais pessoas.
🔔 Siga-me: LinkedIn
📧e-mail



Source link

Previous Post

PDF to QBO – Extract Data from PDFs to Quickbooks

Next Post

I Spent $675.92 Talking to Top Data Scientists on Upwork — Here’s what I learned | by Shawhin Talebi | Jun, 2023

Next Post

I Spent $675.92 Talking to Top Data Scientists on Upwork — Here’s what I learned | by Shawhin Talebi | Jun, 2023

Exploring Various Data Integration Solutions

"Visual Anomaly Detection with FOMO-AD," a Presentation from Edge Impulse

Related Post

Artificial Intelligence

16, 8, and 4-bit Floating Point Formats — How Does it Work? | by Dmitrii Eliuseev | Sep, 2023

by admin
September 30, 2023
Machine Learning

The Transformative Power of Machine Learning in Industrial IoT | by Ashish Jagdish Sharma | Sep, 2023

by admin
September 30, 2023
Machine Learning

Top 6 Accounts Payable KPIs to measure

by admin
September 30, 2023
Artificial Intelligence

Build a crop segmentation machine learning model with Planet data and Amazon SageMaker geospatial capabilities

by admin
September 30, 2023
Edge AI

The History of AI: How Generative AI Grew from Early Research

by admin
September 30, 2023
Artificial Intelligence

Energy Supply and Demand Optimisation: Mathematical Modelling Using Gurobi Python | by Kong You Liow | Sep, 2023

by admin
September 29, 2023

© Machine Learning News Hubb All rights reserved.

Use of these names, logos, and brands does not imply endorsement unless specified. By using this site, you agree to the Privacy Policy and Terms & Conditions.

Navigate Site

  • Home
  • Machine Learning
  • Artificial Intelligence
  • Big Data
  • Deep Learning
  • Edge AI
  • Neural Network
  • Contact Us

Newsletter Sign Up.

No Result
View All Result
  • Home
  • Machine Learning
  • Artificial Intelligence
  • Big Data
  • Deep Learning
  • Edge AI
  • Neural Network
  • Contact Us

© 2023 JNews - Premium WordPress news & magazine theme by Jegtheme.