OpenCV图像的掩模、运算 与 合并专题 【Python-Open_CV系列（七）】
ʚʕ̯•͡˔•̯᷅ʔɞ
🍹欢迎各路大佬来到小啾主页指点☀️欢迎大家前来学习OpenCV基本功 之 图像的掩模、运算 & 合并专题 -小啾带学， Python-Open_CV系列博文第七篇，我是博主侯小啾。
✨我的博客主页：云雀编程巢🌹꧔ꦿ
🌹꧔ꦿ如果博文内容对你有帮助，请点个赞+关注+收藏✨
竹子
🌹꧔ꦿ最后一个传送门：
✨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）】
如果您有任何疑问，请随时在评论部分分享。 ☀️
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。
以名画《思考的人》为例，我们将对其进行面具操作测试。
此图片长1080，高810，途中正在饭桌上思考的男人，名叫莱纳。
我们的目标是尽可能多地覆盖 Reiner 的上半身，下边框以右侧的瓶口为界。
使用矩形框住 Reiner 所在的位置。矩形四个点的坐标大致是
A.(568, 28) B.(1044, 28)
C.(568, 430) D.(1044, 430)
（可以使用绘图工具估计坐标。）
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：
这是此图像的蒙版图像：
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
在相加的时候，可以说掩码图片也是作为参数传入的，对相加结果进行掩码。
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()
图像处理结果：
值得注意的是，这里有一个非非非非非非非非非常重要的细节，很多人都会在这里被卡壳（很显然博主也被卡了）。就是掩模对象是灰度图像，不是说看起来是灰度图像，而是数组要是灰度图像的数组，即创建的到时候m = np.zeros((a, b, 1), np.uint8)中 (a, b, 1)最后一个数字是1，不能顺手写成3。否者就会有下面的报错：
image5 = cv2.add(img, img, mask=m)
cv2.error: OpenCV(4.5.5) D:\a\opencv-python\opencv-python\opencv\modules\core\src\arithm.cpp:706: error: (-215:Assertion failed) (mtype == CV_8UC1 || mtype == CV_8SC1) && _mask.sameSize(*psrc1) in function ‘cv::arithm_op’
意思是mask的size有问题。
2.2 图像的位运算
位运算是二进制数的唯一运算。也可以将图像像素阵列中的十进制数转换为二进制数，然后进行位运算。
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
在
cvbitwise_and() 与 bitwise_or() 方法都有三个参数，scr1，scr2，mask，即图像1，图像2与掩码
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mask和目标图像做AND运算，同样可以达到mask覆盖图像的处理效果。
这是制作交叉蒙版的示例。
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()
对图像使用按位或运算可以实现与按位与运算相反的结果。
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()
处理结果如下图所示：
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，将蒙版匹配的区域颠倒过来，蒙版无法匹配的区域与图像保持一致。详情见下图：
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()
效果呈现：
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中的常见操作。图像合并可分为加权合并和叠加合并。
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()
效果如下
🌹꧔ꦿ小酒感谢您的关注和支持！竹子
文章出处登录后可见！
