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

文章目录

1.图像的掩模
2.图像的运算
- 2.1 图像的加法运算
- - 2.1.1 “+”方法
  - 2.1.2 cv2.add()方法
  - 2.1.3 使用掩模遮盖相加结果
- 2.2 图像的位运算
- - 2.2.1 按位与 cv2.bitwise_and()
  - 2.2.2 按位或 cv2.bitwise_or()
  - 2.2.3 按位取反 cv2.bitwise_not()
  - 2.2.4 按位异或 cv2.bitwise_xor()
- 2.3 图像加密
3.图像的合并
- 3.1加权合并
- 3.2 覆盖合并

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：云雀编程小窝 🌹꧔ꦿ
🌹꧔ꦿ博文内容如对您有所帮助，还请给个点赞 + 关注 + 收藏✨
请添加图片描述
🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ

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。

在这里插入图片描述

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)

（坐标可以通过画图工具估计。）
在这里插入图片描述

掩码代码如下：

import cv2
import numpy as npmask = 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：
在这里插入图片描述

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()

在这里插入图片描述

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()

在这里插入图片描述

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()

图像处理结果：
在这里插入图片描述
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

其中
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 npimg1 = 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()

在这里插入图片描述

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 npimg1 = 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()

在这里插入图片描述

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 cv2img1 = 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：
在这里插入图片描述

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 npimg1 = 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：
在这里插入图片描述

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：

在这里插入图片描述

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()

在这里插入图片描述

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)，
在这里插入图片描述
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()

效果呈现如下
在这里插入图片描述

🌹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

在这里插入图片描述

🌹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）】