使用蒙版获取图像的平均值答案

【问题标题】：Getting mean of an image using a mask使用蒙版获取图像的平均值
【发布时间】：2017-05-11 00:19:08
【问题描述】：

我有一系列同心矩形，并希望获得外部矩形排除内部矩形的手段。见附图，我需要得到阴影区域的平均值。

所以我使用内部矩形的掩码传递给cv2.mean 方法，但我不确定如何设置掩码。我有以下代码：

for i in xrange(0,len(wins)-2,1):
    means_1 = cv2.mean(wins[i])[0]
    msk = cv2.bitwise_and(np.ones_like((wins[i+1]), np.uint8),np.zeros_like((wins[i]), np.uint8))
    means_2 = cv2.mean(wins[i+1],mask=msk)
    means_3 = cv2.mean(wins[i+1])[0]
    print means_1,means_2,means_3

means_2 出现此错误（means_3 工作正常）。：

错误： /Users/jenkins/miniconda/0/2.7/conda-bld/work/opencv-2.4.11/modules/core/src/arithm.cpp:1021：错误：（-209）该操作既不是“数组操作数组”（其中数组具有相同的大小和类型），也不是“数组操作标量”，也不是“标量操作” 函数 binary_op 中的数组'

【问题讨论】：

然后做一些调试。您传递给bitwise_and 的两个数组的大小是多少？（我认为这就是错误的来源，因为您切断了堆栈跟踪）如果您不提供完整的、可重现的示例，那么没有人可以为您做到。

标签： python-2.7 opencv image-processing computer-vision

【解决方案1】：

这里的蒙版是指以0为背景，255为前景的二进制蒙版，因此您需要创建一个默认颜色为0的空蒙版，然后在您想要的位置绘制感兴趣的区域用255 求平均值。假设我有输入图像 [512 x 512]：

让我们假设 2 个同心矩形为：

outer_rect = [100, 100, 400, 400] # top, left, bottom, right
inner_rect = [200, 200, 300, 300]

现在使用这些矩形创建二进制掩码：

mask = np.zeros(image.shape[:2], dtype=np.uint8)
cv2.rectangle(mask, (outer_rect[0], outer_rect[1]), (outer_rect[2], outer_rect[3]), 255, -1)
cv2.rectangle(mask, (inner_rect[0], inner_rect[1]), (inner_rect[2], inner_rect[3]), 0, -1)

现在您可以调用cv2.mean() 来获取前景区域的平均值，用255 标记为：

lena_mean = cv2.mean(image, mask)
>>> (109.98813432835821, 96.60768656716418, 173.57567164179105, 0.0)

【讨论】：

这个问题专门针对掩码，但值得注意的是（基于我的测试）使用子垫（ROI，原始输入的矩形部分）在性能方面会产生更好的结果（如多个高分辨率时好几倍）。
对于较新的 numpy 版本（如 1.16），请参阅掩码数组：docs.scipy.org/doc/numpy/reference/…

【解决方案2】：

在 Python/OpenCV 或任何软件中，如果您有蒙版图像和二进制蒙版，则图像中非黑色像素的平均值（即 ROI）是蒙版图像的平均值除以面具

输入：

面具：

import cv2
import numpy as np

# load image 
img = cv2.imread('lena_g.png', cv2.IMREAD_GRAYSCALE)

# load mask
mask = cv2.imread('lena_mask.png', cv2.IMREAD_GRAYSCALE)

# compute means
mean_img = np.mean(img)
mean_mask = np.mean(mask)

# compute 255*mean_img/mean_mask
mean_roi = 255 * mean_img / mean_mask

# print mean of each
print("mean of image:", mean_img)
print("mean of mask:", mean_mask)
print("mean of roi:", mean_roi)

mean of image: 98.50196838378906
mean of mask: 216.090087890625
mean of roi: 116.23856597522328

【讨论】：