利用opencv进行掩膜操作详解,保证看完就会(python)

有时我们需要给一张图片添加logo,例如下图这样(图片来源):
给图片添加logo

1.掩膜操作思路

它的思想是:

  1. 先将彩色图像转换为灰度图,然后利于阈值将图像二值化,变成非黑即白的形式,这样logo的蒙版就做好来了(学过PS的人应该很容易理解);
  2. 蒙版中黑色的区域表示删除掉该区域像素,白色表示保留该区域像素。黑色是0,白色是255
  3. 所以利用二值化得到的蒙版(掩膜)是剔除logo区域的。反之,是用来提出logo上的多余区域的;
  4. 如何剔除掉小姐姐照片中的logo区和logo上的空白区域呢,用cv2.bitwise_and方法。因为0(黑色)与非0数and后为0,这样就可以把该区域剔除啦;
  5. 最后,将logo补到小姐姐照片上就可以了。

2.掩膜操作完整代码

以下是实现这一操作的完整代码:

import cv2
import numpy as np
import matplotlib.pyplot as plt 

img1 = cv2.imread('person.jpg')
img2 = cv2.imread('logo.jpg')

rows, cols, channels = img2.shape  # 获取图像2的属性
roi = img1[0:rows, 0:cols]  # 选择roi范围

img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)  # 转换为灰度图像
ret, mask = cv2.threshold(img2gray, 175, 255, cv2.THRESH_BINARY)  # 设置阈值,大于175的置为255,小于175的置为0
mask_inv = cv2.bitwise_not(mask)  # 非运算,mask取反

img1_bg = cv2.bitwise_and(roi, roi, mask=mask)  #删除了ROI中的logo区域
img2_fg = cv2.bitwise_and(img2, img2, mask=mask_inv) #删除了logo中的空白区域

dst = cv2.add(img1_bg, img2_fg)
img1[0:rows, 0:cols] = dst
cv2.imshow('res', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果:
输出结果

3.代码详解

3.1
ret, mask = cv2.threshold(img2gray, 175, 255, cv2.THRESH_BINARY)

灰度图中小于175的置零(纯黑色),大于175的置为255(纯白色);
ret = 175,是你的阈值;

mask = 
array([[255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       ...,
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255]], dtype=uint8)

将mask显示出来如图所示:
在这里插入图片描述

3.2
mask_inv = cv2.bitwise_not(mask)

对掩膜求反,

mask_inv = 
array([[0, 0, 0, ..., 0, 0, 0],
       [0, 0, 0, ..., 0, 0, 0],
       [0, 0, 0, ..., 0, 0, 0],
       ...,
       [0, 0, 0, ..., 0, 0, 0],
       [0, 0, 0, ..., 0, 0, 0],
       [0, 0, 0, ..., 0, 0, 0]], dtype=uint8)

将mask_inv显示出来:
在这里插入图片描述

3.3
img1_bg = cv2.bitwise_and(roi, roi, mask=mask)
img2_fg = cv2.bitwise_and(img2, img2, mask=mask_inv)

利用掩膜进行与操作分别删除中的黑色区域,得到前景图img2_fg和背景图img1_bg
操作后的图像为,背景图:
背景图
前景图:
前景图

3.4
dst = cv2.add(img1_bg, img2_fg)
img1[0:rows, 0:cols] = dst

前景图和背景图是两张完全互补的图片,将他们加起来就得到了添加logo的图片。
输出结果

关于更多cv2.bitwise_andcv2.bitwise_orcv2.multiply的操作可以参考博客

本文属于原创内容,转载请注明出处

参考:
OpenCV-Python——第7章:图像的基本运算
python openCV掩膜的通俗理解

  • 22
    点赞
  • 113
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
Python OpenCV中,(mask)是一种基本操作,用于提取图像中的特定区域或像素。通过与图像进行逐像素的逻辑运算来实现,根据特定的条件对像素进行筛选。 对于的使用,有几个重要的方法。首先是使用`cv2.inRange()`函数创建一个,该函数会从给定图像中提取满足特定颜色范围的像素。例如,在给定图像`picture`中提取蓝色区域,可以使用以下代码:`mask = cv2.inRange(picture, lower_blue, upper_blue)`。这里的`lower_blue`和`upper_blue`是用于定义蓝色范围的阈值。 其次,可以使用`cv2.cvtColor()`函数将图像转换为不同的颜色空间,其中最常用的是BGR到HSV的转换。在使用之前,通常需要将图像转换为HSV颜色空间,因为HSV颜色空间更适合用于颜色筛选。例如,使用以下代码将图像转换为HSV颜色空间:`hsv_image = cv2.cvtColor(picture, code=cv2.COLOR_BGR2HSV)`。这里的`code`参数指定了颜色转换的类型。 最后,使用与原始图像进行逐像素的逻辑运算,从而获取特定区域或像素。通过将与图像进行按位与(bitwise_and)操作,可以将应用于图像。这将使得之外的像素值变为0,而内的像素值保持不变。这样就可以实现对特定区域的提取。 综上所述,Python OpenCV中的是通过逐像素的逻辑运算来提取图像中的特定区域或像素。可以使用`cv2.inRange()`函数创建,并使用`cv2.cvtColor()`函数将图像转换为适合颜色筛选的颜色空间。然后,通过与原始图像进行按位与操作,可以将应用于图像。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [3.python-opencv图像mask处理](https://blog.csdn.net/weixin_45848575/article/details/125256320)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [利用opencv进行操作详解保证完就会python)](https://blog.csdn.net/qq_40210586/article/details/106572504)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 7
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