目录

bitwise_and控制：

点乘：

性能对比：

---

bitwise_and控制：

import cv2

# 读取彩色图和mask二值图
color_img = cv2.imread('color_image.jpg')
mask = cv2.imread('mask.jpg', 0)  # 以灰度模式读取二值图

# 确保彩色图和mask的尺寸一致
if color_img.shape[:2]!= mask.shape[:2]:
    mask = cv2.resize(mask, (color_img.shape[1], color_img.shape[0]))

# 对彩色图和mask进行按位与操作
result = cv2.bitwise_and(color_img, color_img, mask=mask)

# 显示结果
cv2.imshow('Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

点乘：

  mask = mask_o == 0  # 这里假设 0 表示需要遮罩的区域
                    # 对原图像进行遮罩处理
  mask_image = image * mask[:, :, None]  # 扩展掩码为三维并与图像相乘

性能对比：

import cv2
import numpy as np
import time

if __name__ == '__main__':

    # 创建一个模拟的1080p彩色图像（这里使用随机像素值生成）
    image = np.random.randint(0, 256, (1080, 1920, 3), dtype=np.uint8)

    # 创建一个模拟的二值mask图像，这里简单假设一半区域为需要遮罩区域（0表示遮罩）
    mask_o = np.random.randint(0, 2, (1080, 1920), dtype=np.uint8)
    mask = mask_o == 0

    # 方法一：使用乘法运算进行遮罩处理
    start_time_1 = time.time()
    mask_image_1 = image * (mask[:, :, None])
    end_time_1 = time.time()
    print(f"使用乘法运算进行遮罩处理耗时: {end_time_1 - start_time_1} 秒")

    # 方法二：使用cv2.bitwise_and进行遮罩处理
    # 先将mask转换为合适的格式（与图像通道数匹配的三通道形式）
    mask_3_channel = np.stack([mask] * 3, axis=2).astype(np.uint8)
    start_time_2 = time.time()
    mask_image_2 = cv2.bitwise_and(image, image, mask=mask.astype(np.uint8))
    end_time_2 = time.time()
    print(f"使用cv2.bitwise_and进行遮罩处理耗时: {end_time_2 - start_time_2} 秒")

使用乘法运算进行遮罩处理耗时: 0.00599980354309082 秒
使用cv2.bitwise_and进行遮罩处理耗时: 0.0030002593994140625 秒