opencv -13 掩模

news2024/10/6 8:34:55

什么是掩膜？

在OpenCV中，掩模（mask）是一个与图像具有相同大小的二进制图像，用于指定哪些像素需要进行操作或被考虑。掩模通常用于选择特定区域或进行像素级别的过滤操作。

OpenCV 中的很多函数都会指定一个掩模，也被称为掩码，例如：
计算结果=cv2.add(参数 1 , 参数 2 , 掩模)
当使用掩模参数时，操作只会在掩模值为非空的像素点上执行，并将其他像素点的值置为0。
例如，img1、img2、mask 和 img3 的原始值分别为：

在这里插入图片描述
经过 img3=cv2.add(img1,img2,mask=mask)运算后，得到 img3 为：

在这里插入图片描述
在运算过程中，img3 计算的是在掩模 mask 控制下的“img1+img2”结果。在计算时，掩码为 1 的部分对应“img1+img2”，其他部分的像素值均为“0”。
需要说明的是，在运算前，数组 img3 内就存在值，这仅仅是为了说明问题用的，实际上img3 是根据函数 cv2.add()所生成的新数组，与原来的值并没有关系。

上面的示例代码如下：

import cv2
import numpy as np
img1=np.ones((4,4),dtype=np.uint8)*3
img2=np.ones((4,4),dtype=np.uint8)*5
mask=np.zeros((4,4),dtype=np.uint8)
mask[2:4,2:4]=1
img3=np.ones((4,4),dtype=np.uint8)*66
print("img1=\n",img1)
print("img2=\n",img2)
print("mask=\n",mask)

print("初始值 img3=\n",img3)
img3=cv2.add(img1,img2,mask=mask)
print("求和后 img3=\n",img3)

运行上述程序，得到如下输出结果：

img1=
 [[3 3 3 3]
 [3 3 3 3]
 [3 3 3 3]
 [3 3 3 3]]
img2=
 [[5 5 5 5]
 [5 5 5 5]
 [5 5 5 5]
 [5 5 5 5]]
mask=
 [[0 0 0 0]
 [0 0 0 0]
 [0 0 1 1]
 [0 0 1 1]]
初始值 img3=
 [[66 66 66 66]
 [66 66 66 66]
 [66 66 66 66]
 [66 66 66 66]]
求和后 img3=
 [[0 0 0 0]
 [0 0 0 0]
 [0 0 8 8]
 [0 0 8 8]]

上述例题介绍的是在 cv2.add()函数中使用掩模的情况，在位运算中也都含有掩模参数。在上面集结图像运算的，我们直接使用了按位与运算对原始图像与掩模进行计算的方式。在将彩色图像
与掩模进行计算时，由于按位与操作要求参与运算的数据应该有相同的通道，所以无法直接将
彩色图像与单通道的掩模图像进行按位与操作。我们通过将掩模图像转换为 BGR 模式的彩色图像，让彩色图像与（彩色）掩模图像进行按位与操作，从而实现掩模运算。

实际上，在函数中所使用的掩模参数可以是 8 位单通道图像。所以，可以将掩模图像作为
按位与函数 cv2.bitwise_and( src1, src2[, mask]] )中参数 mask 的值，完成掩模运算。此时，让待
处理的彩色图像同时作为函数 cv2.bitwise_and( src1, src2[, mask]] )的参数 src1 和参数 src2，使
用掩模图像作为掩模参数，完成按位与运算，即可得到由掩模控制的彩色图像

需要注意的是，任何数值与自身进行按位与计算的结果，得到的仍旧是自身的值。例如，
在表 3-11 中，数值 198 与自身进行按位与运算，得到的结果仍旧是 198。

在这里插入图片描述
结论1：所以，在上述操作中，让待处理的彩色图像与自身进行按位与操作，得到的仍是彩色图像
本身。而使用的掩模参数控制的是，在目标图像中，哪些区域的值是彩色图像的值、哪些区域的值是 0。

下面我们拿一张彩色的图片来实验下结论1，构造一个掩模图像，将该掩模图像作为按位与函数的掩模参数，实现保留图像的指定部分。

import cv2
import numpy as np
#读取彩色图像
a=cv2.imread("lena.png",1)
w,h,c=a.shape
mask=np.zeros((w,h),dtype=np.uint8)
mask[100:400,200:400]=255
mask[100:500,100:200]=255

c=cv2.bitwise_and(a,a,mask)
print("a.shape=",a.shape)
print("mask.shape=",mask.shape)
cv2.imshow("a",a)
cv2.imshow("mask",mask)
cv2.imshow("c",c)
cv2.waitKey()
cv2.destroyAllWindows()