如何在 opencv 的 bitwise_operation 中应用掩码？

Question

我在查看 OpenCV 的文档时发现了一些我无法理解的内容。我试图在网上找到它，但找不到任何令人满意的东西。你能帮我写一行代码吗？ 代码如下：

# Load two images
img1 = cv.imread('messi5.jpg')
img2 = cv.imread('opencv-logo-white.png')
# I want to put logo on top-left corner, So I create a ROI
rows,cols,channels = img2.shape
roi = img1[0:rows, 0:cols ]
# Now create a mask of logo and create its inverse mask also
img2gray = cv.cvtColor(img2,cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
mask_inv = cv.bitwise_not(mask)
# Now black-out the area of logo in ROI
img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)
# Take only region of logo from logo image.
img2_fg = cv.bitwise_and(img2,img2,mask = mask)
# Put logo in ROI and modify the main image
dst = cv.add(img1_bg,img2_fg)
img1[0:rows, 0:cols ] = dst
cv.imshow('res',img1)
cv.waitKey(0)
cv.destroyAllWindows()

我其实不明白的是这两行

img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)

img2_fg = cv.bitwise_and(img2,img2,mask = mask)

这些行实际上做了什么以及如何应用屏蔽？

如果有人能解释在 bitwise_and 操作中应用的掩码，那将非常有帮助。谢谢

Answer 1

如果您查看tutorial。

蒙版是 OpenCV 徽标的黑白图像，它是通过对 OpenCV 徽标应用阈值创建的。

bitwise_and 操作是 logical and operation

在这种情况下，它采用两个代表一个像素的 8 位数字，并对这些数字应用与运算。

Documentation 描述了这个函数的作用。

由于前两个参数相同（roi 或 img2），如果不使用蒙版，结果将是相同的图像。蒙版为黑色的地方与目标图像相同。

在这种情况下，没有提供目标图像，因此 OpenCV 为函数中使用的目标图像分配了一个黑色图像（零）（这通常是 OpenCV 在没有为函数提供矩阵时的工作方式）。

特别是img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv) 将创建一个用于函数的黑色矩阵，该矩阵后来成为img1_bg 的输出。只有与mask_inv 中的白色像素匹配的黑色图像的部分被roi 中的像素填充。这意味着在有白色像素的 mask_inv 中。 roi值会被复制到函数生成的纯黑色图像中对应的坐标。

类似地，img2_fg = cv.bitwise_and(img2,img2,mask = mask) 将创建一个用于函数的黑色矩阵，该矩阵后来成为输出 img2_fg。只有与mask 中的白色像素匹配的黑色图像的部分才被img2 中的像素填充。

这使得当您添加 img1_bg 和 img2_fg 时，结果只是每个图像中被屏蔽的部分。

就个人而言，我认为bitwise_and 的用法令人困惑。我认为为了演示bitwise_and 的功能，删除掩码参数会更清楚，如下所示：img1_bg = cv.bitwise_and(roi, mask_inv)。这将给出相同的结果，在掩码为黑色的情况下为 0，而在不为黑色的情况下为 ROI 值，因为掩码的像素全为 1 或全为零。

如果你不想展示bitwise_and的用法，我认为在python中使用逻辑索引会更清晰：

output = np.zeros(img1.shape, np.uint8)
output[mask_inv] = img1_bg[mask_inv]
output[mask] = img2_fg[mask]