1.在OpenCV中我們經(jīng)常會遇到一個名字:Mask(掩膜)。很多函數(shù)都使用到它，那么這個Mask到底什么呢？
2.如果我們想要裁剪圖像中任意形狀的區(qū)域時，應該怎么辦呢？
答案是，使用掩膜(masking)。
我們先看一下掩膜的基礎(chǔ)。圖像的位運算。
圖像基本運算
圖像的基本運算有很多種，比如兩幅圖像可以相加、相減、相乘、相除、位運算、平方根、對數(shù)、絕對值等；圖像也可以放大、縮小、旋轉(zhuǎn)，還可以截取其中的一部分作為ROI（感興趣區(qū)域）進行操作，各個顏色通道還可以分別提取及對各個顏色通道進行各種運算操作。總之，對于圖像可以進行的基本運算非常的多，只是挑了些常用的操作詳解。
bitwise_and、bitwise_or、bitwise_xor、bitwise_not這四個按位操作函數(shù)。
void bitwise_and(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); //dst = src1 src2
void bitwise_or(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); //dst = src1 | src2
void bitwise_xor(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); //dst = src1 ^ src2
void bitwise_not(InputArray src, OutputArray dst,InputArray mask=noArray()); //dst = ~src
上述的基本操作中都屬于將基礎(chǔ)數(shù)學運算應用于圖像像素的處理中，下面將著重介紹
bitwise_and是對二進制數(shù)據(jù)進行“與”操作，即對圖像（灰度圖像或彩色圖像均可）每個像素值進行二進制“與”操作，11=1，10=0，01=0，00=0
bitwise_or是對二進制數(shù)據(jù)進行“或”操作，即對圖像（灰度圖像或彩色圖像均可）每個像素值進行二進制“或”操作，1|1=1，1|0=0，0|1=0，0|0=0
bitwise_xor是對二進制數(shù)據(jù)進行“異或”操作，即對圖像（灰度圖像或彩色圖像均可）每個像素值進行二進制“異或”操作，1^1=0,1^0=1,0^1=1,0^0=0
bitwise_not是對二進制數(shù)據(jù)進行“非”操作，即對圖像（灰度圖像或彩色圖像均可）每個像素值進行二進制“非”操作，~1=0，~0=1
為了便于大家進一步理解，下面給出測試代碼：
# opencv 圖像的基本運算
# 導入庫
import numpy as np
import argparse
import cv2
# 構(gòu)建參數(shù)解析器
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="Path to the image")
args = vars(ap.parse_args())
# 加載圖像
image = cv2.imread(args["image"])
cv2.imshow("image loaded", image)
# 創(chuàng)建矩形區(qū)域，填充白色255
rectangle = np.zeros(image.shape[0:2], dtype="uint8")
cv2.rectangle(rectangle, (25, 25), (275, 275), 255, -1) # 修改這里
cv2.imshow("Rectangle", rectangle)
# 創(chuàng)建圓形區(qū)域，填充白色255
circle = np.zeros(image.shape[0:2], dtype="uint8")
cv2.circle(circle, (150, 150), 150, 255, -1) # 修改
cv2.imshow("Circle", circle)
# 在此例（二值圖像）中，以下的0表示黑色像素值0, 1表示白色像素值255
# 位與運算，與常識相同，有0則為0, 均無0則為1
bitwiseAnd = cv2.bitwise_and(rectangle, circle)
cv2.imshow("AND", bitwiseAnd)
cv2.waitKey(0)
# 非運算，非0為1, 非1為0
bitwiseNot = cv2.bitwise_not(circle)
cv2.imshow("NOT", bitwiseNot)
cv2.waitKey(0)
# 或運算，有1則為1, 全為0則為0
bitwiseOr = cv2.bitwise_or(rectangle, circle)
cv2.imshow("OR", bitwiseOr)
cv2.waitKey(0)
# 異或運算，不同為1, 相同為0
bitwiseXor = cv2.bitwise_xor(rectangle, circle)
cv2.imshow("XOR", bitwiseXor)
cv2.waitKey(0)
可以看到，原圖是一張星空夜景圖。
效果如下：
為了便于展示，后面我只截取部分區(qū)域效果：
掩膜（mask）
在有些圖像處理的函數(shù)中有的參數(shù)里面會有mask參數(shù)，即此函數(shù)支持掩膜操作，首先何為掩膜以及有什么用，如下：
數(shù)字圖像處理中的掩膜的概念是借鑒于PCB制版的過程，在半導體制造中，許多芯片工藝步驟采用光刻技術(shù)，用于這些步驟的圖形“底片”稱為掩膜（也稱作“掩?！保渥饔檬牵涸诠杵线x定的區(qū)域中對一個不透明的圖形模板遮蓋，繼而下面的腐蝕或擴散將只影響選定的區(qū)域以外的區(qū)域。
圖像掩膜與其類似，用選定的圖像、圖形或物體，對處理的圖像（全部或局部）進行遮擋，來控制圖像處理的區(qū)域或處理過程。
數(shù)字圖像處理中,掩模為二維矩陣數(shù)組,有時也用多值圖像，圖像掩模主要用于：
①提取感興趣區(qū),用預先制作的感興趣區(qū)掩模與待處理圖像相乘,得到感興趣區(qū)圖像,感興趣區(qū)內(nèi)圖像值保持不變,而區(qū)外圖像值都為0。
②屏蔽作用,用掩模對圖像上某些區(qū)域作屏蔽,使其不參加處理或不參加處理參數(shù)的計算,或僅對屏蔽區(qū)作處理或統(tǒng)計。
③結(jié)構(gòu)特征提取,用相似性變量或圖像匹配方法檢測和提取圖像中與掩模相似的結(jié)構(gòu)特征。
④特殊形狀圖像的制作。
在所有圖像基本運算的操作函數(shù)中，凡是帶有掩膜（mask）的處理函數(shù)，其掩膜都參與運算（輸入圖像運算完之后再與掩膜圖像或矩陣運算）。
掩膜實例
如開篇所提問題2,要對一幅圖進行摳圖(裁剪)操作，這就要用到Mask了，那么就以摳圖為例，解釋Mask在里面的作用。同樣以上圖為例，從原圖中裁剪小樹。
我們利用OR結(jié)果(其他結(jié)果也行)，修改調(diào)整后，
代碼如下：
# opencv 圖像的基本運算
# 導入庫
import numpy as np
import argparse
import cv2
# 構(gòu)建參數(shù)解析器
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="Path to the image")
args = vars(ap.parse_args())
# 加載圖像
image = cv2.imread(args["image"])
cv2.imshow("image loaded", image)
# 創(chuàng)建矩形區(qū)域，填充白色255
rectangle = np.zeros(image.shape[0:2], dtype="uint8")
cv2.rectangle(rectangle, (360, 348), (660, 570), 255, -1) # 修改這里
cv2.imshow("Rectangle", rectangle)
# 創(chuàng)建圓形區(qū)域，填充白色255
circle = np.zeros(image.shape[0:2], dtype="uint8")
cv2.circle(circle, (520, 455), 140, 255, -1) # 修改
cv2.imshow("Circle", circle)
'''
# 在此例（二值圖像）中，以下的0表示黑色像素值0, 1表示白色像素值255
# 位與運算，與常識相同，有0則為0, 均無0則為1
bitwiseAnd = cv2.bitwise_and(rectangle, circle)
cv2.imshow("AND", bitwiseAnd)
cv2.waitKey(0)
# 非運算，非0為1, 非1為0
bitwiseNot = cv2.bitwise_not(circle)
cv2.imshow("NOT", bitwiseNot)
cv2.waitKey(0)
# 異或運算，不同為1, 相同為0
bitwiseXor = cv2.bitwise_xor(rectangle, circle)
cv2.imshow("XOR", bitwiseXor)
cv2.waitKey(0)
'''
# 或運算，有1則為1, 全為0則為0
bitwiseOr = cv2.bitwise_or(rectangle, circle)
cv2.imshow("OR", bitwiseOr)
cv2.waitKey(0)
# 使用mask
mask = bitwiseOr
cv2.imshow("Mask", mask)
# Apply out mask -- notice how only the person in the image is cropped out
masked = cv2.bitwise_and(image, image, mask=mask)
cv2.imshow("Mask Applied to Image", masked)
cv2.waitKey(0)
結(jié)果展示：
簡單說就是：
與或非異或運算與我們的常識類似。掩膜操作就是兩幅圖像(numpy數(shù)組)的位運算操作。
附錄：C++ 版
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include iostream>
#include stdio.h>
using namespace std;
using namespace cv;
int main()
{
Mat image, mask;
Rect r1(100, 100, 250, 300);
Mat img1, img2, img3, img4;
image = imread("lol17.jpg");
mask = Mat::zeros(image.size(), CV_8UC1);
mask(r1).setTo(255);
img1 = image(r1);
image.copyTo(img2, mask);
image.copyTo(img3);
img3.setTo(0, mask);
imshow("Image sequence", image);
imshow("img1", img1);
imshow("img2", img2);
imshow("img3", img3);
imshow("mask", mask);
waitKey();
return 0;
}
原始圖：
注意程序中的這兩句關(guān)于Mask的操作。
mask = Mat::zeros(image.size(), CV_8UC1);
mask(r1).setTo(255); //r1是設(shè)置好的感興趣區(qū)域
解釋一下上面兩句的操作。
第一步建立與原圖一樣大小的mask圖像，并將所有像素初始化為0，因此全圖成了一張全黑色圖。第二步將mask圖中的r1區(qū)域的所有像素值設(shè)置為255,也就是整個r1區(qū)域變成了白色。
這樣就能得到Mask圖像了。
注意這句，哪個圖像拷貝到哪個圖像？
image.copyTo(img2, mask);
當然是原始圖image拷貝到目的圖img2上。
其實拷貝的動作完整版本是這樣的：
原圖(image)與掩膜(mask)進行與運算后得到了結(jié)果圖（img2）。
何為圖與掩膜的與運算？
其實就是原圖中的每個像素和掩膜中的每個對應像素進行與運算。比如1 1 = 1；1 0 = 0；
比如一個3 * 3的圖像與3 * 3的掩膜進行運算，得到的結(jié)果圖像就是：
說白了，mask就是位圖啊，來選擇哪個像素允許拷貝，哪個像素不允許拷貝。如果mask像素的值是非0的，我就拷貝它，否則不拷貝。
因為我們上面得到的mask中，感興趣的區(qū)域是白色的，表明感興趣區(qū)域的像素都是非0，而非感興趣區(qū)域都是黑色，表明那些區(qū)域的像素都是0。一旦原圖與mask圖進行與運算后，得到的結(jié)果圖只留下原始圖感興趣區(qū)域的圖像了。也正如下圖所示。
image.copyTo(img2, mask);
如果想要直接摳出目標區(qū)域，直接這樣寫就OK了：
參考文獻：
1.https://www.cnblogs.com/skyfsm/p/6894685.html
到此這篇關(guān)于Opencv圖像處理之詳解掩膜mask的文章就介紹到這了,更多相關(guān)Opencv 掩膜內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python使用opencv對圖像mask處理的方法
- 超詳細注釋之OpenCV制作圖像Mask
