首先把本次学习的代码摆上
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
# 1. 直接以灰度图的方式读入
img = cv.imread('D://02.cs//image//cat.jpeg',0)
# 2. 创建蒙版
mask = np.zeros(img.shape[:2], np.uint8)
mask[400:650, 200:500] = 255#255是白色,1是黑色;开始的左上坐标和右下坐标
# 3.掩模
masked_img = cv.bitwise_and(img,img,mask = mask)#每个像素点都自己跟自己与,mask-mask表示要提取的区域
# 4. 统计掩膜后图像的灰度图
mask_histr = cv.calcHist([img],[0],mask,[256],[1,256])
# 5. 图像展示
plt.rcParams['font.sans-serif'] = ['KaiTi']
fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(10,8))
axes[0,0].imshow(img,cmap=plt.cm.gray)
axes[0,0].set_title("原图")
axes[0,1].imshow(mask,cmap=plt.cm.gray)
axes[0,1].set_title("蒙版数据")
axes[1,0].imshow(masked_img,cmap=plt.cm.gray)
axes[1,0].set_title("掩膜后数据")
axes[1,1].plot(mask_histr)
axes[1,1].grid()
axes[1,1].set_title("灰度直方图")
plt.show()
本代码测试了掩码的应用,最终结果是显示了原图,蒙版的数据(图像样子),掩膜后数据(图像的样子)和灰度直方图。下面对本次学习中的几点困惑做个总结
一、首先是创建蒙版部分
mask = np.zeros(img.shape[:2], np.uint8)
这一行代码的作用是形成一个全黑的背景
mask[400:650, 200:500] = 255
最后的255代表白色,1代表黑色;而中括号内数字代表开始的左上坐标和右下坐标 ,以此来创造出一个白色区域。
masked_img = cv.bitwise_and(img,img,mask = mask)
关于cv.bitwise_and(src1, src2, dst=None, mask=None)
函数返回值:调用时若无mask参数则返回src1 & src2,若存在mask参数,则返回src1 & src2 & mask
src1:输入原图1
src2:输入原图2,src1与src2可以相同也可以不相同,可以是灰度图像也可以是彩色图像
dst:若存在参数时:src1 & src2 或者 src1 & src2 & mask
mask:可以是单通道8bit灰度图像,也可以是矩阵,一般为二值化后的图像
如果是本身跟本身按位 与 的话,其实图像根本不会变(我的的想法是只能是1和1与得到1,0和0与得到0,所以原图像本身不会变)
然后有返回值的话,前两个图像与完之后,再跟mask按位与,前面的这个mask就是为了还用mask输出吧,就是替代了例子里的dst;反正再和dst与之后,蒙版中是黑色的地方,不管和谁与都是0了,而白色部分1不管和谁与,都是它本身了,所以能得到掩膜后数据的样子。
还有另一种说法“每个像素点都自己跟自己与,mask=mask表示要提取的区域”也没毛病