OpenCV笔记（ 关于掩膜应用；cv.bitwise_and(img,img,mask = mask)）

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