一、项目思路

1. 设置框架参数
2. 指定存放图像的文件夹地址
3. 遍历图像并缩放至与框架相同尺寸
4. 移除摄像头拍摄的背景
5. 与指定图像进行叠加
6. 实时更新

二、环境布置

2.1、cvzone安装

• Opencv是一个开源计算机视觉库。
• cvzone是一个计算机视觉包。提供如：人脸检测、手部跟踪、姿势估计等项目，以及图像处理和其他 AI 功能。它的核心是使用 OpenCV 和 MediaPipe 库。

DOS命令行窗口中输入：pip install cvzone

2.2、MediaPipe安装

MediaPipe 是一个基于图形的跨平台框架，用于构建多模式（视频，音频和传感器）应用的机器学习管道。可在移动设备、工作站和服务器上跨平台运行，并支持移动 GPU 加速。

（1）在线下载
DOS命令行窗口中输入：pip install cvzone
（2）离线下载（.whl）
官网下载地址：MediaPipe：为移动、边缘、云和web构建世界级ML解决方案和应用程序的最简单方法。

注意：MediaPipe版本必须与Python的版本对应。

更多项目可参考官网：
MediaPipe官网（github）
MediaPipe官网（gitee-镜像）

2.3、常见问题

关于python的mediapipe库踩过的坑

2.4、注意事项

如何减小锯齿和虚影：
（1）视频中布置的背景尽量简约（如：白墙等），过多的东西容易变成干扰项。
（2）手指间的虚影比较大，尽量减少相关动作。

三、算法详解

3.1、segmentor.removeBG()：去除背景（抠出图像中的人）

函数说明：img_out = segmentor.removeBG(img, img_list[img_index], threshold=0.8)
输入函数：	img						摄像头的帧图像
			img_list[img_index]		目录中存在的图像列表以及图像索引
			threshold				削减帧图像的背景（0~1）。1表示不进行图像叠加；0表示反向叠加。

3.2、cvzone.stackImages()：堆叠图像

3.3、fpsReader.update()：更新帧图像

3.4、os.listdir()：返回指定的文件夹包含的文件或文件夹的名字的列表。

os.listdir()：返回指定的文件夹包含的文件或文件夹的名字的列表。列表以字母排序。不包括 . 和 … ，即使它在文件夹中。只支持在 Unix, Windows 下使用。

函数说明：list = os.listdir(path)
输入参数		path -- 需要列出的目录路径
输入参数：		返回指定路径下的文件和文件夹列表。
################################################
folder_path = r"C:\Users\my\Desktop\Images"                 # 存放图像的文件夹路径（不能有中文）
list_img = os.listdir(folder_path)                          # os.listdir(): 返回指定文件夹下的文件名（列表结构）
print(list_img)                                             # 打印文件夹中的图像名
img_list = []                                               # 存放自定义图像的列表
for img_path in list_img:                           # 遍历文件夹
    image_path = folder_path + '/' + img_path       # 读取图像路径
    img = cv2.imread(image_path)                    # 读取图像
    img_list.append(img)                            # 添加列表元素
print(len(img_list))                                # 打印列表长度

四、实战：基于cvzone的背景替换

import cv2
import cvzone
import os
from cvzone.SelfiSegmentationModule import SelfiSegmentation

# 摄像头的帧大小是640x480，所以替换的背景图像大小应该与帧大小相同。

# 设置参数
cap = cv2.VideoCapture(0)           # 获取图像设备（0/1）
cap.set(3, 640)                     # 调整输出框架的长
cap.set(4, 480)                     # 调整输出框架的宽
cap.set(cv2.CAP_PROP_FPS, 60)       # 调整输出框架的帧速率
segmentor = SelfiSegmentation()     # 实例化分割模型
fpsReader = cvzone.FPS()            # 显示帧每秒（fps）的输出帧

folder_path = r"C:\Users\my\Desktop\Images"                 # 存放背景图像的文件夹路径（不能有中文）（可存放任意张图像）
list_img = os.listdir(folder_path)                          # os.listdir(): 返回指定文件夹下的文件名（列表结构）
print(list_img)                                             # 打印文件夹中的图像名
img_list = []                                               # 存放自定义图像的列表
for img_path in list_img:                           # 遍历文件夹
    image_path = folder_path + '/' + img_path       # 读取图像路径
    img = cv2.imread(image_path)                    # 读取图像
    print(img.size)                                 # 打印图像尺寸
    img = cv2.resize(img, (640, 480))               # 图像缩放到指定尺寸
    img_list.append(img)                            # 添加列表元素
print(len(img_list))                                # 打印列表长度

img_index = 0                   # 初始化背景图片（列表中索引=0）
while 1:
    reg, img = cap.read()       # 读取帧图像
    img_out = segmentor.removeBG(img, img_list[img_index], threshold=0.5)       # 移除背景
    img_stacked = cvzone.stackImages([img, img_out], 2, 1)                      # 图像叠加
    fps, img_stacked = fpsReader.update(img_stacked, color=(0, 0, 255))         # 实时更新（人物是动态的）
    cv2.imshow("Image_stacked", img_stacked)                                    # 图形化显示（标题名 + 图像）

    key = cv2.waitKey(1)        # 使用 waitKey 可以控制视频的播放速度。数值越小，播放速度越快。
    if key & 0xFF == 27:        # 按Esc退出
        break
    elif key == ord('q'):       # 背景切换
        if img_index > 0:
            img_index -= 1       # Q键：在自定义的图片中，正向选择图片
    elif key == ord('w'):
        if img_index < len(img_list)-1:
            img_index += 1       # W键：在自定义的图片中，逆向选择图片

Opencv项目实战：你这背景太假啦！