OpenCV基本功 之 图像的掩模、运算 & 合并专题 -小啾带学【Python-Open_CV系列（七）】

OpenCV图像的掩模、运算 与 合并专题 【Python-Open_CV系列（七）】

如有疑问欢迎随时在评论区交流。☀️

1.图像的掩模

掩模，即掩码(mask)。用计算机处理图像时，常常是有的内容需要处理，有的内容不需要处理。通过掩模，可以实现将我们不需要处理的部分暂时“遮住”，以保证其保持不变。而仅仅操作其暴露出来的部分。整个操作过程就像做手术时医生使用的“手术洞巾”。
 
掩模过程通常使用二值图像表示，像素值0表示纯黑色，其区域表示我们不需要操作的部分。像素值为255的纯白色部分表示我们想要操作的部分。（某些情况也可以用0,1作为掩模值）。掩模对象通过操作numpy数组创建，没有专有方法。
 
以下边这幅名画《思考的男人》为例，我们对其进行掩模操作测试。

此图片长1080，高810，途中正在饭桌上思考的男人，名叫莱纳。
我们的目的是尽可能地覆盖莱纳上半身之外的大多部分，下边界以右边瓶子瓶口为界限。
在莱纳所坐位置用一个矩形将其框出，该矩形四个点的坐标大致为
A.(568, 28)   B.(1044, 28)
C.(568, 430)   D.(1044, 430)

掩码代码如下：

import cv2 import numpy as np mask = np.zeros((810, 1080, 1), np.uint8) mask[28:430, 568:1044, :] = 255 cv2.imshow("mas", mask) cv2.waitKey() cv2.destroyAllWindows() 

程序执行效果如下：

此即该图片的掩模图像：
        

2.图像的运算

2.1 图像的加法运算

两幅图像相加即相同位置的像素值之间一 一相加。图像的相加通常有两种方法，一种是使用“+”符号连接两个数组，另一种则是使用add() 方法。

2.1.1 “+”方法

使用“+”这种方法我们在做图像处理时通常不会采用，因为相加后的像素值精彩会出现大于255的情况。而大于255的像素值，则会取该值除以255后的余数，即取模。因此原图中白色的衣服，经过加法运算后反而颜色变暗了。

import cv2 img = cv2.imread("pic.jpg") result_pic = img + img cv2.imshow("+", result_pic) cv2.waitKey() cv2.destroyAllWindows() 

2.1.2 cv2.add()方法

cv2.add()相加得到的图像，如果存在像素值大于255，取255。 这一点相比使用加号要好得多，明显更利于我们的图像处理。

使用cv2.add()方法，该方法语法如下：

add(src1, src2, mask=None, dtype=None)

• src1 与 src2 即需要相加的两幅图像
• mask是可选参数，掩模对象。默认没有
• dtype 图像深度。

import cv2 img = cv2.imread("trump.jpg") result_pic = cv2.add(img, img) cv2.imshow("add", result_pic) cv2.waitKey() cv2.destroyAllWindows() 

2.1.3 使用掩模遮盖相加结果

图像相加时，可以讲掩模图像也作为参数传进去，对相加结果进行掩模。

import cv2 import numpy as np img = cv2.imread("pic.jpg") # 细节 m = np.zeros((810, 1080, 1), np.uint8) m[28:430, 568:1044, :] = 255 image5 = cv2.add(img, img, mask=m) cv2.imshow("use mask", image5) cv2.waitKey() cv2.destroyAllWindows() 

意思是mask的size有问题。

2.2 图像的位运算

位运算是二进制数字特有的运算，图像的像素数组中的十进制数字也可以转化为二进制数字，然后就可以进行位运算了。

OpenCV提供了以下位运算方法

• cv2.bitwise_and()  按位与
• cv2.bitwise_or()  按位或
• cv2.bitwise_not()  按位取反
• cv2.bitwise_xor()  按位异或

cv2.bitwise_not() 与 cv2.bitwise_xor()方法都有两个参数，scr与mask，即图像与掩码。

2.2.1 按位与 cv2.bitwise_and()

让掩模与目标图像做与运算，同样可以达到掩模遮盖图像的处理效果。
这里做一个十字掩模为例。

import cv2 import numpy as np img1 = cv2.imread("pic.jpg") mask = np.zeros(img1.shape, np.uint8) # 横着的白色区域 mask[490:600, :, :] = 255 # 竖着的白色区域 mask[:, 470:545, :] = 255 img2 = cv2.bitwise_and(img1, mask) cv2.imshow("img", img2) cv2.waitKey() cv2.destroyAllWindows() 

2.2.2 按位或 cv2.bitwise_or()

使用按位或运算对图像操作可以取得与按位与相反的处理结果。

import cv2 import numpy as np img1 = cv2.imread("pic.jpg") mask = np.zeros(img1.shape, np.uint8) # 横着的白色区域 mask[490:600, :, :] = 255 # 竖着的白色区域 mask[:, 470:545, :] = 255 img2 = cv2.bitwise_or(img1, mask) cv2.imshow("img", img2) cv2.waitKey() cv2.destroyAllWindows() 

2.2.3 按位取反 cv2.bitwise_not()

按位取反是仅对一个图像做的操作，根据二进制，如果某位置上数值为0，则改为1；如果为1则该为0。

import cv2 img1 = cv2.imread("pic.jpg") img2 = cv2.bitwise_not(img1) cv2.imshow("img", img2) cv2.waitKey() cv2.destroyAllWindows() 

2.2.4 按位异或 cv2.bitwise_xor()

对二进制位进行判断，如果两个运算数的同一位上的数字相同，则运算结果的相同位数字取0，否则取1。
这个描述有些抽象。可以简单理解为，催掩码匹配到的区域做取反运算，掩码匹配不到的区域保持图像原状。具体见下方图像：

import cv2 import numpy as np img1 = cv2.imread("pic.jpg") mask = np.zeros(img1.shape, np.uint8) # 横着的白色区域 mask[490:600, :, :] = 255 # 竖着的白色区域 mask[:, 470:545, :] = 255 img = cv2.bitwise_xor(img1, mask) cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows() 

2.3 图像加密

通过按位异或运算，还可以实现对图像的加密。使用numpy创建随机数组的方法，创建一个随机像素值图像作为密匙，进而实现对原图像的加密和解密。结果因图片过大不再展示。

import cv2 import numpy as np # 定义加密、解密方法 def encode_img(img, img_key): result = img = cv2.bitwise_xor(img, img_key) return result # 原图 img = cv2.imread("pic.jpg") rows, colmns, channel = img.shape # 创建大小相等的密钥图像 img_key = np.random.randint(0, 256, (rows, colmns, 3), np.uint8) cv2.imshow("img", img) cv2.imshow("img_key", img_key) Encryption_result = encode_img(img, img_key) cv2.imshow("After Encryption", Encryption_result) Decryption_result = encode_img(Encryption_result, img_key) cv2.imshow("After Decryption", Decryption_result) cv2.waitKey() cv2.destroyAllWindows() 

3.图像的合并

图像合并也是图像处理的一种常用操作，图像合并可以分为加权合并和覆盖合并。

再找一张与pic.jpg相同尺寸、名为“pic2.jpg”的图片如下图所示：

将该图片与pic.jpg分别按照0.2和0.8的权重进行合并，代码即执行效果如下：

3.1加权合并

import cv2 img1 = cv2.imread("pic.jpg") img2 = cv2.imread("pic2.jpg") rows, colmns, channel = img1.shape img3 = cv2.resize(img2, (colmns, rows)) img = cv2.addWeighted(img1, 0.8, img3, 0.2, 0) cv2.imshow("new_pic", img) cv2.waitKey() cv2.destroyAllWindows() 

3.2 覆盖合并

OpenCV没有直接提供覆盖操作的方法，因此要实现覆盖还需要自己动手。
 
以下边这张金底白字的标签图片为例(pic3.png)，

             
将其贴在pic.jpg上（覆盖）

import cv2 img1 = cv2.imread("pic.jpg") img2 = cv2.resize(cv2.imread("pic3.png"), dsize=None, fx=2, fy=2) y, x, z = img2.shape X = 180 Y = 70 img1[Y:Y+y, X:X+x, :] = img2 cv2.imshow("new_pic", img1) cv2.waitKey() cv2.destroyAllWindows() 

?꧔ꦿ小啾感谢您的关注与支持！?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ?꧔ꦿ

?꧔ꦿ本系列blog传送门：
 
✨OpenCV图像处理基本操作 【Python-Open_CV系列（一）】
 
✨OpenCV像素处理基本操作 【Python-Open_CV系列（二）】
 
✨OpenCV之 BGR、GRAY、HSV色彩空间&色彩通道专题 【Python-Open_CV系列（三）】
 
✨OpenCV绘制图像与文字(可作为脚手架代码)(python) 【Python-Open_CV系列（四）】
 
✨OpenCV图像几何变换专题(缩放、翻转、仿射变换及透视)【python-Open_CV系列（五）】
 
✨基于梵·高《向日葵》的 图像阈值处理专题（二值处理、反二值处理、截断处理、自适应处理及Otsu方法）【Python-Open_CV系列（六）】
 
✨OpenCV基本功 之 图像的掩模、运算 & 合并专题 -小啾带学【Python-Open_CV系列（七）】
 
✨《三英战吕布》 – 图像模板匹配 【Python-Open_CV系列（八）】
 
✨OpenCV滤波器 龙门石窟篇【Python-Open_CV系列（九）】(均值滤波器、中值滤波器、高斯滤波器、双边滤波器)
 
✨Open_CV形态学运算专题 （腐蚀&膨胀、开&闭运算、梯度运算、顶帽运算黑帽运算 ）【Python-Open_CV系列（十）】
 
✨霍夫变换看不懂？小啾带你串一遍：OpenCV图形检测专题 这样学最简单【Python-Open_CV系列（十一）】
 
✨小啾带你开天眼 之 开启py-OpenCV摄像头及视频处理【Python-Open_CV系列（十二）】
 
✨小啾带你开天眼 之 人脸检测与识别(以及华强、皇叔、高祖配墨镜特效)【Python-Open_CV系列（十三）】