OpenCV - 将蒙版应用于彩色图像

Posted 2023-02-23

【中文标题】OpenCV - 将蒙版应用于彩色图像

【英文标题】：OpenCV - Apply mask to a color image

【发布时间】：2012-05-15 04:51:46

【问题描述】：

如何在最新的 python 绑定 (cv2) 中将蒙版应用于彩色图像？在之前的 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？

【问题讨论】：

你想做什么。？由于它支持 numpy，因此您可以使用 numpy 函数。

我正在对原始图像进行 HSV 颜色空间的过滤

【参考方案1】：

这里，如果你已经有了蒙版图片，你可以使用cv2.bitwise_and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)

lena 图像和矩形遮罩的输出如下。

【讨论】：

我正在尝试做类似的事情。口罩应该是黑色还是白色？很抱歉这个基本问题，我是opencv的新手。谢谢

是的，你是对的，掩码应该是黑白单通道。无论您要处理图像中的哪个区域，蒙版中的那些区域都应该是白色的，其他所有区域都是黑色的。而且你问这个问题也不必抱歉，每个人刚开始学习都是新手，我也是。

非常感谢阿比德！我今晚回家时会试试看。我必须将图像拆分为几个区域（并将此过程重复为多个图像）。问候！

我可以做到 =)，现在我需要摆脱黑色区域...知道如何做到这一点吗？

您可以选择对图像进行切片。 roi = img[y:y+h,x:x+w] 其中 x,y 是区域的左上角，h,w 是区域的高度和宽度。

【参考方案2】：

好吧，如果您希望背景不是纯黑色，这里有一个解决方案。我们只需要将遮罩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。这个解决方案的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。第一张图是 OpenCV 标志，第二张是原始蒙版，第三张是背景+前景组合。

# 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。

【参考方案3】：

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。我们在这里处理8-bit、uint8 图像。这意味着图像可以具有[0, 255] 范围内的像素值，并且值必须是整数。

让我们做一个二元阈值操作。它创建一个黑白蒙版图像。黑色区域的值为0，白色区域的值为255

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

可以在左下方看到面具。右边的图像是在灰度图像和蒙版之间应用bitwise_and 操作的结果。发生的情况是，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。

要将此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

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

im_thresh_color = cv.bitwise_and(im_color, mask3)

代码中的mask3是左下图，im_thresh_color是右图。

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)

原图是lenacolor.png，我发现here。

【参考方案4】：

所描述的其他方法假定使用二进制掩码。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0..1 范围内才能使操作成功。还假设1.0编码只保留前景，而0.0表示只保留背景。

如果面具的形状可能是(h, w, 1)，这会有所帮助：

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

这里np.atleast_3d(mask) 使掩码(h, w, 1) 如果它是(h, w) 和np.squeeze(...) 将结果从(h, w, 3, 1) 重塑为(h, w, 3)。

【讨论】：

感谢您的插图。如何使用二进制掩码将 rgb 像素更改为特定值？例如rgb_image[bin_msk] = [41,34,128]。我的图像是 3000px x 3000px

【参考方案5】：

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：

Python 方式。

idx = (mask!=0)
dst[idx] = src[idx]

【讨论】：

当 cv2 中的“bitwise_and”方法按要求 100% 工作时，无需在此处重新发明***。不仅如此，它的作用也非常明显。