64

如何在最新的 python 绑定（cv2）中将蒙版应用于彩色图像？在以前的 python 绑定中，最简单的方法是使用cv.Copy例如

cv.Copy(dst, src, mask)

但是这个函数在 cv2 绑定中不可用。有没有不使用样板代码的解决方法？

4

5 回答 5

90

cv2.bitwise_and在这里，如果您已经拥有蒙版图像，则可以使用函数。

检查以下代码：

img = cv2.imread('lena.jpg')
mask = cv2.imread('mask.png',0)
res = cv2.bitwise_and(img,img,mask = mask)

对于 lena 图像和矩形掩码，输出将如下所示。

在此处输入图像描述

于 2012-05-06T10:49:02.323 回答
28

好吧，如果您希望背景不是纯黑色，这是一个解决方案。我们只需要将蒙版反转并应用到相同大小的背景图像中，然后将背景和前景结合起来。该解决方案的一个优点是背景可以是任何东西（甚至是其他图像）。

这个例子是从Hough Circle Transform修改而来的。第一个图像是 OpenCV 标志，第二个是原始蒙版，第三个是背景 + 前景组合。

应用蒙版并获得自定义背景

# http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_houghcircles/py_houghcircles.html
import cv2
import numpy as np

# load the image
img = cv2.imread('E:\\FOTOS\\opencv\\opencv_logo.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# detect circles
gray = cv2.medianBlur(cv2.cvtColor(img, cv2.COLOR_RGB2GRAY), 5)
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=50, minRadius=0, maxRadius=0)
circles = np.uint16(np.around(circles))

# draw mask
mask = np.full((img.shape[0], img.shape[1]), 0, dtype=np.uint8)  # mask is only 
for i in circles[0, :]:
    cv2.circle(mask, (i[0], i[1]), i[2], (255, 255, 255), -1)

# get first masked value (foreground)
fg = cv2.bitwise_or(img, img, mask=mask)

# get second masked value (background) mask must be inverted
mask = cv2.bitwise_not(mask)
background = np.full(img.shape, 255, dtype=np.uint8)
bk = cv2.bitwise_or(background, background, mask=mask)

# combine foreground+background
final = cv2.bitwise_or(fg, bk)

注意：最好使用 opencv 方法，因为它们已经过优化。

于 2016-07-21T00:46:52.043 回答
10 
import cv2 as cv

im_color = cv.imread("lena.png", cv.IMREAD_COLOR)
im_gray = cv.cvtColor(im_color, cv.COLOR_BGR2GRAY)

此时你有一个彩色和一个灰色的图像。我们正在处理8-bit，uint8图像在这里。这意味着图像可以具有范围内的像素值，[0, 255]并且值必须是整数。

左色右灰

让我们做一个二进制阈值操作。它创建一个黑白蒙版图像。黑色区域有价值0，白色区域255

_, mask = cv.threshold(im_gray, thresh=180, maxval=255, type=cv.THRESH_BINARY)
im_thresh_gray = cv.bitwise_and(im_gray, mask)

面具可以在下面的左边看到。右边的图像是bitwise_and灰度图像和蒙版之间应用运算的结果。发生的事情是，掩码的像素值为零（黑色）的空间位置在结果图像中变为像素值为零。蒙版像素值为 255（白色）的位置，生成的图像保留其原始灰度值。

左掩码，右位和带掩码

要将这个蒙版应用于我们的原始彩色图像，我们需要将蒙版转换为 3 通道图像，因为原始彩色图像是 3 通道图像。

mask3 = cv.cvtColor(mask, cv.COLOR_GRAY2BGR)  # 3 channel mask

bitwise_and然后，我们可以使用相同的函数将此 3 通道蒙版应用于我们的彩色图像。

im_thresh_color = cv.bitwise_and(im_color, mask3)

mask3来自代码的是左下方的图像，并且im_thresh_color在其右侧。

left-mask-3channel，right-bitwise_and_with_3channel-mask

您可以绘制结果并亲自查看。

cv.imshow("original image", im_color)
cv.imshow("binary mask", mask)
cv.imshow("3 channel mask", mask3)
cv.imshow("im_thresh_gray", im_thresh_gray)
cv.imshow("im_thresh_color", im_thresh_color)
cv.waitKey(0)

原始图像是lenacolor.png我在这里找到的。

于 2019-01-18T19:28:31.753 回答
3

描述的其他方法假定二进制掩码。如果您想使用实值单通道灰度图像作为遮罩（例如来自 alpha 通道），您可以将其扩展为三个通道，然后将其用于插值：

assert len(mask.shape) == 2 and issubclass(mask.dtype.type, np.floating)
assert len(foreground_rgb.shape) == 3
assert len(background_rgb.shape) == 3

alpha3 = np.stack([mask]*3, axis=2)
blended = alpha3 * foreground_rgb + (1. - alpha3) * background_rgb

请注意，mask需要在范围内0..1才能使操作成功。还假设1.0编码只保留前景，而0.0意味着只保留背景。

如果面具可能有 shape (h, w, 1)，这有助于：

alpha3 = np.squeeze(np.stack([np.atleast_3d(mask)]*3, axis=2))

如果是，则在这里np.atleast_3d(mask)制作蒙版，并将结果从to重塑。(h, w, 1)(h, w)np.squeeze(...)(h, w, 3, 1)(h, w, 3)

于 2017-02-24T23:43:59.887 回答
2

Abid Rahman K 给出的答案并不完全正确。我也试过了，发现很有帮助，但卡住了。

这就是我使用给定蒙版复制图像的方式。

x, y = np.where(mask!=0)
pts = zip(x, y)
# Assuming dst and src are of same sizes
for pt in pts:
   dst[pt] = src[pt]

这有点慢，但给出了正确的结果。

编辑：

Pythonic 方式。

idx = (mask!=0)
dst[idx] = src[idx]
于 2013-07-23T13:37:37.303 回答