本文实例为大家分享了python实现抠图给证件照换背景的具体代码，供大家参考，具体内容如下 import cv2 import numpy as np import matplotlib.pyplot as plt #建立显示图片的函数 def show(image): plt.imshow(image) plt.axis('off') plt.show() #导入前景图 img=cv2.imread('font.jpg') #图片导入 img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #转换颜色模型 print(img.shape) #打印图片规格

目录1.图像加法运算1.1 运用numpy库1.2 调用OpenCV1.3 两种方法的运行代码和结果2.图像融合2.1 运用openCV中的addWeighter()函数2.2 运用PIL库中的Image.blend()函数 1.图像加法运算 1.1 运用numpy库 运用numpy库进行图像加法运算的方法为：取模运算 总像素值 = 图像1 + 图像2 1)当总像素值<=255时，像素值保持不变. 。如：56+124=180，即加法运算后的像素值为180 2)当总像素值>255时，像素值取(总像素值 – 255)。如：（250+46）- 255 = 41，即加法运算后的像素值为41 1.2

文章目录一、Hausdorff介绍二、Python小实例 一、Hausdorff介绍 豪斯多夫距离以德国数学家（Hausdorff，Felix， 1868～1942）来命名，豪斯多夫距离是在度量空间中任意两个集合之间定义的一种距离。 这个说法大家可能不太熟悉，反而大家熟知的欧几里得距离或者欧式距离 欧几里得几何称为等距同构下的豪斯多夫距离。 在数学中，欧几里得距离或欧几里得度量是欧几里得空间中两点间“普通”（即直线）距离。使用这个距离，欧氏空间成为度量空间。 （图片摘自百度百科） 欧式距离是两个图形最近点的距离（图中红点的距离，不会考虑整个形状）： 最短距离的概念带有非常低的信息内容（最短

cvtColor函数的源代码 这个是OpenCv的cvtColor的函数源代码