对图像处理中掩码的理解

在OpenCV中我们经常会遇到一个名字:Mask(掩码)。很多函数都使用到它,那么这个Mask到底什么呢?
比如要对一幅图进行抠图操作,这就要用到Mask了,那么以抠图为例,解释Mask在里面的作用。该程序的功能就是抠出指定区域。

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
 
using namespace std;
using namespace cv;
 
int main()
{
    Mat image, mask;
    Rect r1(100, 100, 250, 300);
    Mat img1, img2, img3;
    image = imread("lol17.jpg");
    mask = Mat::zeros(image.size(), CV_8UC1);
    mask(r1).setTo(255);
    img1 = image(r1);
    image.copyTo(img2, mask);
 
    image.copyTo(img3);
    img3.setTo(0, mask);
 
 
    imshow("Image sequence", image);
    imshow("img1", img1);
    imshow("img2", img2);
    imshow("img3", img3);
    imshow("mask", mask);
 
    waitKey();
    return 0;
}

原始图:

注意程序中的这两句关于Mask的操作:

mask = Mat::zeros(image.size(), CV_8UC1); 
mask(r1).setTo(255);  //r1是设置好的感兴趣区域
第一步建立与原图一样大小的mask图像,并将所有像素初始化为0,因此全图成了一张全黑色图。
第二步将mask图中的r1区域的所有像素值设置为255,也就是整个r1区域变成了白色。

得到mask图像:
在这里插入图片描述

注意这句,哪个图像拷贝到哪个图像?

image.copyTo(img2, mask);

原始图image拷贝到目的图img2上
其实拷贝的动作完整版本是这样的:

原图(image)与掩码(mask)进行与运算后得到了结果图(img2)。

何为图与掩码的与运算?

其实就是原图中的每个像素和掩码中的每个对应像素进行与运算。比如1 & 1 = 1;1 & 0 = 0;

比如一个3 * 3的图像与3 * 3的掩码进行运算,得到的结果图像就是:
在这里插入图片描述
mask就是位图,来选择哪个像素允许拷贝,哪个像素不允许拷贝。如果mask像素的值是非0的,我就拷贝它,否则不拷贝。因为我们上面得到的mask中,感兴趣的区域是白色的,表明感兴趣区域的像素都是非0,而非感兴趣区域都是黑色,表明那些区域的像素都是0。一旦原图与mask图进行与运算后,得到的结果图只留下原始图感兴趣区域的图像了。也正如下图所示。

image.copyTo(img2, mask);

在这里插入图片描述
下面两句代码所做的事情跟上面的差不多,首先将原始图image拷贝一份给img3,然后img3将mask白色区域设置为0(黑色),好比如果mask中像素非0的,我就把我图像对应的那个点的像素值设置为0,否则啥也不做 。

image.copyTo(img3);
img3.setTo(0, mask);

在这里插入图片描述
如果想要直接抠出目标区域,直接这样写:

img1 = image(r1);

在这里插入图片描述

  • 63
    点赞
  • 140
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: OpenCV是一个非常强大的图像处理库,它提供了很多图像分割的算法。以下是一个简单的C++示例,使用OpenCV的GrabCut算法对一张图片进行分割: ```c++ #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; int main() { // 读取图片 Mat image = imread("test.jpg"); // 定义矩形,选择初始前景区域 Rect rect(50, 50, 200, 150); // 定义输出掩码,初始化为0 Mat mask(image.size(), CV_8UC1, Scalar(0)); // 定义背景模型和前景模型 Mat bgModel, fgModel; // 使用GrabCut算法进行分割 grabCut(image, mask, rect, bgModel, fgModel, 5, GC_INIT_WITH_RECT); // 根据掩码提取前景区域 Mat foreground(image.size(), CV_8UC3, Scalar(255, 255, 255)); image.copyTo(foreground, mask); // 显示结果 imshow("Original Image", image); imshow("Foreground", foreground); waitKey(); return 0; } ``` 在这个示例,我们首先读取了一张图片,然后选择了一个矩形作为初始前景区域。接着,我们定义了一个输出掩码,它的大小与图片一样,并且初始化为0。然后,我们定义了背景模型和前景模型,并使用GrabCut算法进行分割。最后,我们根据掩码提取前景区域,并将结果显示出来。 这只是一个非常简单的示例,OpenCV还有很多其他的图像分割算法,包括基于颜色、纹理、形状等特征的算法。您可以根据自己的需求选择合适的算法。 ### 回答2: OpenCV是一个开源的计算机视觉库,它提供了许多用于图像处理和分析的功能。图像分割是其一个重要的应用之一。 图像分割是指将一幅图像划分成多个具有特定语义的区域的过程。它可以帮助我们理解图像的物体边界和结构,从而更好地提取图像的特征和信息。 在OpenCV图像分割的主要方法有基于阈值的分割、区域生长、分水岭算法等。 基于阈值的分割是最简单和常用的方法之一。通过选定一个阈值,将图像像素分为两个类别,比如黑白图像的二值化处理。可以使用OpenCV的cv2.threshold函数来实现。 区域生长算法则根据图像的某个种子点,通过像素相似度将相邻的像素逐步归为同一类别。可以使用OpenCV的cv2.floodFill函数来实现。 分水岭算法是一种基于图的分割方法,它通过将图像看作一个拓扑图来实现。可以通过计算图像的梯度和标记种子点,利用OpenCV的cv2.watershed函数实现分割。 除了这些基本的图像分割方法,OpenCV还提供了一些高级的分割方法,比如GrabCut算法和MeanShift算法。这些算法可以根据图像的颜色和纹理等特征进行分割,适用于复杂的图像场景。 综上所述,OpenCV提供了丰富的图像分割算法和函数,可以方便地实现图像的分割和处理。无论是简单的二值化还是复杂的图像分割,OpenCV都可以为我们提供强大的工具和支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值