[OpenCV] EP8_掩膜操作图像区域-CSDN博客

本文链接：https://blog.csdn.net/Han_WDNMD/article/details/147635816

Sub.1 图像掩膜与运算

一、核心概念⚡

关键词：掩膜（Mask）、与运算（bitwise_and）、颜色替换

是什么？

掩膜：
- 定义：一个二值化图像（黑白图），与原图尺寸相同，白色区域（255）表示“保留”，黑色区域（0）表示“屏蔽”。
- 原理：通过颜色阈值（如HSV/RGB范围）筛选目标区域，生成掩膜。
与运算：
- 定义：将掩膜与原图逐像素做逻辑“与”操作，保留掩膜白色区域的像素，屏蔽其他区域。
颜色替换：
- 定义：通过掩膜找到目标区域，修改这些区域的像素值为新颜色。

二、如何用？💐

1. 制作掩膜☘️

cv2.inRange(img, lower, upper)

参数：
- img：输入图像（需转换为HSV颜色空间处理颜色更稳定）
- lower：颜色下限 (H_min, S_min, V_min)
- upper：颜色上限 (H_max, S_max, V_max)
返回值：二值化掩膜（目标区域为白色，其余为黑色）

颜色上下限：

2. 与运算 ☘️

cv2.bitwise_and(src1, src2, mask=None)

参数：
- src1,src2：输入图像（通常用同一张图）
  - 应用掩膜时，两个参数都是img本身，即对同一图像进行操作
  - 对不同图像：按位与操作，创建复杂的图像效果或进行图像合成
- mask：掩膜，只处理非零区域（必须和原图同尺寸）
返回值：新图像！掩膜区域的像素保留，其他区域变黑（不会修改原图）

3. 颜色替换 ☘️

流程：得到掩膜后 → 颜色替换掩膜区域

方法：对目标图像（本质是ndarray）→ 布尔索引，改值

4. 代码模式

Study Example 🍀

import cv2 as cv
import numpy as np
# 读取图像
img=cv.imread("images/demo.png")
# 调整图像大小
img_np=cv.resize(img,(480,480))
# 颜色空间转为HSV
hsv_img_np=cv.cvtColor(img_np,cv.COLOR_BGR2HSV)
# 创建掩膜：cv2.inRange(img,(h,s,v)min,(h,s,v)max)
color_low=np.array([23,46,46])
color_high=np.array([34,255,255])
# 创建掩膜：大小和原图一致，二值化图像
mask_yellow=cv.inRange(hsv_img_np,color_low,color_high)
# print(mask_yellow)
# 与运算:把原图和掩膜与运算，
color_img=cv.bitwise_and(img_np,img_np,mask=mask_yellow)
# 替换颜色
img_np[mask_yellow==255]=(0,255,0)
"""
numpy高级索引——布尔索引
mask_yellow==255:
  生成一个布尔数组，大小和掩膜一致，等于255的地方值为True，否则为False
img_np[...]=(0,255,0):
  进行布尔索引，在方括号里放置布尔数组，
筛选出原始图像中满足条件（掩膜中对应位置为255）的像素值，把该像素值改为（0，255，0）
"""
cv.imshow("np",img_np)
cv.imshow("hsv",hsv_img_np)
cv.imshow("mask",mask_yellow)
cv.imshow("color",color_img)
cv.waitKey(0)
cv.destroyAllWindows()

Sub.2 ROI切割

一、核心概念⚡

关键词：Numpy切片；感兴趣区域；

是什么？

定义：ROI（Region of Interest）是图像中需要重点处理或分析的特定区域。通过截取该区域，可减少计算量并提升效率。
原理：图像在OpenCV中以Numpy数组形式存储，ROI切割本质是通过数组切片操作选取子区域。

为什么重要？

人脸识别时，只处理脸部区域，避免对全图计算。
医学图像中，聚焦病变部位，提升分析效率。

何时用？

需针对性处理图像的某部分（如目标检测、特征提取）。
全图处理计算量过大时，优先处理关键区域。

二、如何用？💐

1. 语法/函数☘️

roi = image[y1:y2, x1:x2]

参数
- y1:y2：高度方向范围（行，从上到下）
- x1:x2：宽度方向范围（列，从左到右）
返回值：ROI区域（Numpy数组视图）
注意点
- 坐标顺序：[y范围, x范围]（先高后宽）
- 边界检查：不能越界，y1,x1要小于y2,x2
- 切片范围：左闭右开

Sub.3 图像添加水印

一、核心概念⚡

关键词：掩膜（Mask）；位与运算；图像融合；ROI定位

是什么？

定义：通过模板图像（Logo）生成掩膜，利用逻辑运算将水印嵌入目标图像指定区域。
原理：
1. 模板输入：将水印图二值化，生成黑白掩膜（白色为水印区域）。
2. 与运算：用掩膜在原图ROI区域“挖洞”（保留水印形状）。
3. 图像融合：将水印颜色与挖洞后的ROI叠加。

二、如何用？💐

Study Example 🍀

import cv2 as cv
# 读入我们的logo和背景图，往背景里添加logo
bg=cv.imread("../images/bg.png")
logo=cv.imread("../images/logohq.png")
# 获取logo大小
h,w = logo.shape[:2]
# 从背景中切割出和logo一样大小的子区域
roi=bg[:h,:w]
# 将logo转灰度
gray_logo=cv.cvtColor(logo,cv.COLOR_BGR2GRAY)
# 创建掩膜：白色logo，目的是获取到logo的颜色，有logo没背景
_,white=cv.threshold(gray_logo,170,255,cv.THRESH_BINARY_INV)# 反阈值法
# 与运算，提取logo
fg1=cv.bitwise_and(logo,logo,mask=white)
# 创建掩膜：黑色的logo，目的是获取到背景颜色，有背景没logo
_,black=cv.threshold(gray_logo,170,255,cv.THRESH_BINARY)# 阈值法
# 与运算，提取背景
fg2=cv.bitwise_and(roi,roi,mask=black)
# 图像融合
# roi[:]=cv.add(fg1,fg2)
roi[:]=fg1+fg2
# 让融合后的图像赋值给切割出来的区域，这样原图中也会被修改像素值
cv.imshow("white",white)
cv.imshow("fg1",fg1)
cv.imshow("roi",roi)
cv.imshow("black",black)
cv.imshow("fg2",fg2)
cv.imshow("bg",bg)
cv.waitKey(0)
cv.destroyAllWindows()