【2023年6月】Stable Diffision仮想環境内でOpenCV4を使ってレイヤー分けする方法【Mac/Win共通】

import cv2
import numpy as np

image_path = "/Users/(アカウント名)/Documents/test.png"
img = cv2.imread(image_path)
 
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.merge((gray, gray, gray), img)
 
kernel = np.ones((4,4),np.uint8)
dilation = cv2.dilate(img,kernel,iterations = 1)
 
diff = cv2.subtract(dilation, img)
 
negaposi = 255 - diff
 
cv2.imwrite('/Users/(アカウント名)/Documents/test_out.png', negaposi)

%pip install IPython
%conda install jupyter notebook
#パスを調べる。
%which jupyter
#起動
%jupyter notebook

import cv2
import numpy as np
from IPython.display import Image, display
from matplotlib import pyplot as plt


def imshow(img):
    """ndarray 配列をインラインで Notebook 上に表示する。
    """
    ret, encoded = cv2.imencode(".jpg", img)
    display(Image(encoded))


# 画像を読み込む。
img = cv2.imread("/Users/(アカウント名)/Documents/test.png")


# 画像で使用されている色一覧。(W * H, 3) の numpy 配列。
colors = img.reshape(-1, 3).astype(np.float32)

# クラスタ数
K = 5

# 最大反復回数: 10、移動量の閾値: 1.0
criteria = cv2.TERM_CRITERIA_MAX_ITER + cv2.TERM_CRITERIA_EPS, 10, 1.0

ret, labels, centers = cv2.kmeans(
    colors, K, None, criteria, attempts=10, flags=cv2.KMEANS_RANDOM_CENTERS
)

print(f"ret: {ret:.2f}, label: {labels.shape}, center: {centers.shape}")


labels = labels.squeeze(axis=1)  # (N, 1) -> (N,)
centers = centers.astype(np.uint8)  # float32 -> uint8

# 各クラスタに属するサンプル数を計算する。
_, counts = np.unique(labels, axis=0, return_counts=True)

# 可視化する。
fig, [ax1, ax2] = plt.subplots(1, 2, figsize=(10, 3))
fig.subplots_adjust(wspace=0.5)

# matplotlib の引数の仕様上、[0, 1] にして、(R, G, B) の順番にする。
bar_color = centers[:, ::-1] / 255
bar_text = list(map(str, centers))

# 画像を表示する。
ax1.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
ax1.set_axis_off()

# ヒストグラムを表示する。
ax2.barh(np.arange(K), counts, color=bar_color, tick_label=bar_text)
plt.show()

# 各画素を k平均法の結果に置き換える。
dst = centers[labels].reshape(img.shape)
cv2.imwrite('/Users/(アカウント名)/Documents/test_out.png', dst)

%pip install scipy

import cv2
import numpy as np
from scipy.spatial import distance

def extract_color_layer(image, target_color, threshold):
    # 画像を読み込む
    img = cv2.imread(image)

    # BGRをRGBに変換する
    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

    # 目標色との距離を計算する
    dist = distance.cdist(img_rgb.reshape(-1, 3), [target_color])

    # 距離が閾値以下のインデックスを取得する
    indices = np.where(dist <= threshold)

    # マスクを作成する
    mask = np.zeros((img_rgb.shape[0] * img_rgb.shape[1],), dtype=np.uint8)
    mask[indices[0]] = 255
    mask_2d = mask.reshape((img_rgb.shape[0], img_rgb.shape[1]))

    # 元の画像とマスクを重ね合わせて特定の色のレイヤーを取得する
    color_layer = cv2.bitwise_and(img_rgb, img_rgb, mask=mask_2d)

    return color_layer


# 画像ファイルと目標色を指定する
image_path = 'test.png(画像ファイルまでのパス)'
target_color = np.array([176, 108, 53])  # RGB色を指定する

# 閾値を設定する（距離がこの値以下の色が同じ色とみなされます）
threshold = 164

# 特定の色のレイヤーを取得する
result = extract_color_layer(image_path, target_color, threshold)

# 結果を表示する
cv2.imshow('Color Layer', cv2.cvtColor(result, cv2.COLOR_RGB2BGR))
# 0キーで終了
cv2.waitKey(0)
cv2.destroyAllWindows()

% pip install pytoshop