如何在 OpenCV Python 中生成图像遮罩？

在图像处理中，生成图像遮罩是一个非常常见的操作。“遮罩”是一种过滤器，用于选择或保留图像中感兴趣的部分，同时滤除不需要的部分。在本文中，我们将探讨如何在 OpenCV Python 中生成图像遮罩。

理解图像遮罩

图像遮罩是一种二进制图像，其中为 1 的像素表示要保留的区域，为 0 的像素表示要过滤的区域。因此，图像遮罩定义了要在原始图像上执行的操作的区域。

下面是一个示例图像和遮罩。

使用 Numpy 数组创建图像遮罩

要在 OpenCV Python 中生成图像遮罩，最简单的方法是使用 Numpy 数组。具体来说，我们可以使用 np.zeros() 函数创建一个与原始图像相同大小的全零数组，然后使用 cv2.circle() 函数在合适的位置绘制圆形（或任何其他形状）。最后，将需要保留的像素设置为 1，其他像素设置为 0。

以下是一个示例程序：

import cv2
import numpy as np

# 读入原始图像
img = cv2.imread('example.jpg')

# 创建全零数组
mask = np.zeros(img.shape[:2], dtype=np.uint8)

# 绘制圆形（在这个例子中，要保留的区域是 (280, 200) 点处半径为 100 的圆形）
cv2.circle(mask, (280, 200), 100, (255, 255, 255), -1)

# 显示原始图像和遮罩
cv2.imshow('Original Image', img)
cv2.imshow('Mask', mask)

# 等待用户按下任意按键
cv2.waitKey(0)

# 销毁所有窗口
cv2.destroyAllWindows()

在这个例子中，我们首先读入原始图像（在本文的其余部分中将使用这个图像）。然后，我们创建了一个与原始图像相同大小的全零数组，并使用 cv2.circle() 函数在图像中心绘制了一个圆形。在这个例子中，要保留的像素是白色的（RGB 值为 (255, 255, 255)），其他像素是黑色的（RGB 值为 (0, 0, 0)）。最后，我们将遮罩显示在屏幕上。

应用图像遮罩

一旦我们有了图像遮罩，就可以将它应用于原始图像和任何其他的操作中。在 OpenCV Python 中，我们可以使用 cv2.bitwise_and() 函数将图像和遮罩相乘，仅保留在遮罩中定义的区域。以下是一个示例程序：

import cv2
import numpy as np

# 读入原始图像和遮罩
img = cv2.imread('example.jpg')
mask = cv2.imread('mask.png', 0)

# 应用遮罩
result = cv2.bitwise_and(img, img, mask=mask)

# 显示结果
cv2.imshow('Result', result)

# 等待用户按下任意按键
cv2.waitKey(0)

# 销毁所有窗口
cv2.destroyAllWindows()

在这个例子中，我们首先读入原始图像和图像遮罩。然后，我们使用 cv2.bitwise_and() 函数将图像和遮罩相乘，仅保留在遮罩中定义的区域，得到了一个由遮罩定义区域的彩色图像。最后，我们将结果显示在屏幕上。

应用透明度

另一种应用图像遮罩的方法是使用透明度。在这种情况下，遮罩定义了图像中的不透明度，在一些区域中图像是完全透明的，在其他区域中则不透明。这种方法常用于合成图像或将图像放置在其他背景下时。

在 OpenCV Python 中，我们可以使用 cv2.addWeighted() 函数将带有透明度的图像与背景图像混合。以下是一个示例程序：

import cv2
import numpy as np

# 读入原始图像和遮罩
img = cv2.imread('example.jpg')
mask = cv2.imread('mask.png', 0)

# 将图像转换为四通道，第四个通道是透明度
img = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA)

# 为透明度添加遮罩
img[:, :, 3] = mask

# 显示结果
cv2.imshow('Result', img)

# 等待用户按下任意按键
cv2.waitKey(0)

# 销毁所有窗口
cv2.destroyAllWindows()

在这个例子中，我们首先读入原始图像和图像遮罩。然后，我们使用 cv2.cvtColor() 函数将原始图像转换为四通道图像。第四个通道是透明度，我们将它都设置为 255，然后使用遮罩更新透明度通道。最后，我们将结果显示在屏幕上。