OpenCV 完整例程18. 图像的掩模加法

Posted 2021-12-10 Python小白进阶

18. 图像的掩模加法

图像掩模（image mask），也常被写成 “图像掩膜”，是用特定的图像或函数对另一图像进行覆盖或遮蔽，以控制图像处理的区域或图像处理的过程。图像掩模常用于提取感兴趣区域（ROI）、提取结构特征，或制作特殊形状的图像。

用于遮蔽的图像或函数，称为掩模、掩像、模板或遮罩（mask）。对图像进行处理时，被遮蔽的区域不参加处理，或不参加处理参数的计算；或者相反地，仅对被遮蔽的区域进行处理或统计。

函数 cv2.add() 用于图像的加法运算，可以使用掩模图像进行遮蔽。

cv2.add(src1, src2 [, dst[, mask[, dtype]]) → dst

掩模图像中的黑色区域（数值为 0），cv2.add 的输出也为黑色（数值为 0）；掩模图像中的非黑色区域（非 0 值），cv2.add 的输出为加法输出。换句话说，函数 cv2.add 进行加法运算，对被掩模图像遮蔽的黑色区域不进行处理，保持黑色。

注意事项：

1. 掩模图像 mask 为 8位灰度格式，遮蔽区域为黑色（数值为 0），非遮蔽区域为白色（数值为 255），也称为开窗区域、窗口。
2. 掩模图像与进行加法运算的图像 src1, src2 的形状必须相同。

基本例程：1.27 图像的掩模加法

    # 1.27 图像的加法 (掩模 mask)
    img1 = cv2.imread("../images/imgLena.tif")  # 读取彩色图像(BGR)
    img2 = cv2.imread("../images/imgB3.jpg")  # 读取彩色图像(BGR)

    Mask = np.zeros((img1.shape[0], img1.shape[1]), dtype=np.uint8)  # 返回与图像 img1 尺寸相同的全零数组
    xmin, ymin, w, h = 180, 190, 200, 200  # 矩形裁剪区域 (ymin:ymin+h, xmin:xmin+w) 的位置参数
    Mask[ymin:ymin+h, xmin:xmin+w] = 255  # 掩模图像，ROI 为白色，其它区域为黑色
    print(img1.shape, img2.shape, Mask.shape)

    imgAddMask1 = cv2.add(img1, img2, mask=Mask)  # 带有掩模 mask 的加法
    imgAddMask2 = cv2.add(img1, np.zeros(np.shape(img1), dtype=np.uint8), mask=Mask)  # 提取 ROI

    cv2.imshow("MaskImage", Mask)  # 显示掩模图像 Mask
    cv2.imshow("MaskAdd", imgAddMask1)  # 显示掩模加法结果 imgAddMask1
    cv2.imshow("MaskROI", imgAddMask2)  # 显示从 img1 提取的 ROI
    key = cv2.waitKey(0)  # 等待按键命令

例程说明 1.27：

本例程运行结果如下。

imgAddMask1 是标准的掩模加法，在窗口区域将 img1 与 img2 进行饱和加法，其它区域为黑色遮蔽。imgAddMask2 中加法运算的第二图像是全黑图像（数值为 0），掩模加法的结果是从第一图像中提取遮蔽窗口，该操作生成的图像是从原图中提取感兴趣区域（ROI）、黑色遮蔽其它区域。