如何在最新的 python 绑定 (cv2) 中将蒙版应用于彩色图像？在之前的 python 绑定中，最简单的方法是使用cv.Copy 例如
cv.Copy(dst, src, mask)
但是这个函数在 cv2 绑定中不可用。有没有不使用样板代码的解决方法？
【问题讨论】：
标签： python opencv image-processing mask
这里，如果你已经有了蒙版图片，你可以使用cv2.bitwise_and函数。
检查以下代码：
img = cv2.imread('lena.jpg')
mask = cv2.imread('mask.png',0)
res = cv2.bitwise_and(img,img,mask = mask)
lena 图像和矩形遮罩的输出如下。
【讨论】：
好吧，如果您希望背景不是纯黑色，这里有一个解决方案。我们只需要将遮罩反转并应用到相同大小的背景图像中，然后将背景和前景结合起来。这个解决方案的优点是背景可以是任何东西（甚至是其他图像）。
这个例子是从Hough Circle Transform修改而来的。第一张图是 OpenCV 标志，第二张是原始蒙版，第三张是背景+前景组合。
# http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_houghcircles/py_houghcircles.html
import cv2
import numpy as np
# load the image
img = cv2.imread('E:\\FOTOS\\opencv\\opencv_logo.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# detect circles
gray = cv2.medianBlur(cv2.cvtColor(img, cv2.COLOR_RGB2GRAY), 5)
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=50, minRadius=0, maxRadius=0)
circles = np.uint16(np.around(circles))
# draw mask
mask = np.full((img.shape[0], img.shape[1]), 0, dtype=np.uint8) # mask is only
for i in circles[0, :]:
cv2.circle(mask, (i[0], i[1]), i[2], (255, 255, 255), -1)
# get first masked value (foreground)
fg = cv2.bitwise_or(img, img, mask=mask)
# get second masked value (background) mask must be inverted
mask = cv2.bitwise_not(mask)
background = np.full(img.shape, 255, dtype=np.uint8)
bk = cv2.bitwise_or(background, background, mask=mask)
# combine foreground+background
final = cv2.bitwise_or(fg, bk)
注意：最好使用 opencv 方法，因为它们已经过优化。
【讨论】：
import cv2 as cv
im_color = cv.imread("lena.png", cv.IMREAD_COLOR)
im_gray = cv.cvtColor(im_color, cv.COLOR_BGR2GRAY)
此时你有一个彩色和一个灰色的图像。我们在这里处理8-bit、uint8 图像。这意味着图像可以具有[0, 255] 范围内的像素值，并且值必须是整数。
让我们做一个二元阈值操作。它创建一个黑白蒙版图像。黑色区域的值为0，白色区域的值为255
_, mask = cv.threshold(im_gray, thresh=180, maxval=255, type=cv.THRESH_BINARY)
im_thresh_gray = cv.bitwise_and(im_gray, mask)
可以在左下方看到面具。右边的图像是在灰度图像和蒙版之间应用bitwise_and 操作的结果。发生的情况是，掩码的像素值为零（黑色）的空间位置在结果图像中变为像素值为零。蒙版像素值为 255（白色）的位置，生成的图像保留其原始灰度值。
要将此蒙版应用于我们的原始彩色图像，我们需要将蒙版转换为 3 通道图像，因为原始彩色图像是 3 通道图像。
mask3 = cv.cvtColor(mask, cv.COLOR_GRAY2BGR) # 3 channel mask
然后，我们可以使用相同的bitwise_and 函数将这个 3 通道蒙版应用于我们的彩色图像。
im_thresh_color = cv.bitwise_and(im_color, mask3)
代码中的mask3是左下图，im_thresh_color是右图。
您可以绘制结果并亲自查看。
cv.imshow("original image", im_color)
cv.imshow("binary mask", mask)
cv.imshow("3 channel mask", mask3)
cv.imshow("im_thresh_gray", im_thresh_gray)
cv.imshow("im_thresh_color", im_thresh_color)
cv.waitKey(0)
原图是lenacolor.png，我发现here。
【讨论】：
所描述的其他方法假定使用二进制掩码。如果您想使用实值单通道灰度图像作为遮罩（例如来自 alpha 通道），您可以将其扩展为三个通道，然后将其用于插值：
assert len(mask.shape) == 2 and issubclass(mask.dtype.type, np.floating)
assert len(foreground_rgb.shape) == 3
assert len(background_rgb.shape) == 3
alpha3 = np.stack([mask]*3, axis=2)
blended = alpha3 * foreground_rgb + (1. - alpha3) * background_rgb
请注意，mask 需要在0..1 范围内才能使操作成功。还假设1.0编码只保留前景，而0.0表示只保留背景。
如果面具的形状可能是(h, w, 1)，这会有所帮助：
alpha3 = np.squeeze(np.stack([np.atleast_3d(mask)]*3, axis=2))
这里np.atleast_3d(mask) 使掩码(h, w, 1) 如果它是(h, w) 和np.squeeze(...) 将结果从(h, w, 3, 1) 重塑为(h, w, 3)。
【讨论】：
Abid Rahman K 给出的答案并不完全正确。我也试过了，发现很有帮助，但卡住了。
这就是我使用给定蒙版复制图像的方式。
x, y = np.where(mask!=0)
pts = zip(x, y)
# Assuming dst and src are of same sizes
for pt in pts:
dst[pt] = src[pt]
这有点慢，但给出了正确的结果。
编辑：
Python 方式。
idx = (mask!=0)
dst[idx] = src[idx]
【讨论】：