OpenCV中图像的掩模、加法运算讲解与实战（附Python源码）

亦凉 2023-09-30 18:58 27阅读 0赞

> **需要源码请点赞关注收藏后评论区留言私信~~~**

图像是由像素组成的，像素又是由具体的正整数表示的，因此图像也可以进行一系列数学运算，通过运算可以获得截取、合并图像等效果。OpenCV提供了很多图像运算方法，经过运算的图像可以呈现出很多有趣的视觉效果

## 一、掩模 ##

仅仅暴露原始图像中的感兴趣区域（ROI）的模板图像就被叫做掩模

掩模也叫做掩码，英文为mask，在程序中用二值图像来表示，0值区域标识被遮盖的部分，255值区域表示被暴露的部分

外科手术给患者使用的手术洞巾

![16cbd0dbef7341a585920cabfaea7f35.png][]

例如原始图像如下

![33a370fdf532402cb19daf40367196bd.png][]

掩模后图像如下

![2c7fa5ddcb0a4627ad6fa3a5ff8c327a.png][]

在使用OpenCV处理图像时，通常使用numpy提供的方法创建掩模图像

下面创建三通道的掩模图像实战

利用numpy的zeros方法创建一幅掩模图像，感兴趣区域为在该图像中横坐标为20 纵坐标为50 宽为60 高为50的矩形，展示该掩模图像，调换该掩模图像的感兴趣区域和不感兴趣区域之后，再次展示该掩模图像

![68c6677475bc477abd560d17ad098856.png][]

代码如下

import cv2
    import numpy as np
    
    # 创建宽150、高150、3通道，像素类型为无符号8位数字的零值图像
    mask = np.zeros((150, 150, 3), np.uint8)
    mask[50:100, 20:80, :] = 255;  # 50~100行、20~80列的像素改为纯白像素
    cv2.imshow("mask1", mask)  # 展示掩模
    mask[:, :, :] = 255;  # 全部改为纯白像素
    mask[50:100, 20:80, :] = 0;  # 50~100行、20~80列的像素改为纯黑像素
    cv2.imshow("mask2", mask)  # 展示掩模
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

## 二、图像的加法运算 ##

图像的每一个像素都用整数表示的像素值，2幅图像相加就是相同位置像素值相加，最后将计算结果按照原位置重新组成一幅新图像 如下图所示

![559a8c67ece145ce933b8c45b809d13b.png][]

可以使用+方法，但是通常使用opencv提供的add方法 语法格式如下

> dst=cv2.add(src1,src2,mask,dtype)
> 
> mask为掩模
> 
> dtype为图像深度
> 
> 上述两个参数建议使用默认值

下面分别用+和add方法计算图像和

![5a64e4b3d95047e39d42f65bfb4910c7.png][]

可见还是有明显的区别

import cv2
    
    img = cv2.imread("beach.jpg")  # 读取原始图像
    sum1 = img + img  # 使用运算符相加
    sum2 = cv2.add(img, img)  # 使用方法相加
    cv2.imshow("img", img)  # 展示原图
    cv2.imshow("sum1", sum1)  # 展示运算符相加结果
    cv2.imshow("sum2", sum2)  # 展示方法相加结果
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

下面通过一个实例演示如何使用加运算修改图像颜色

模拟三色光叠加得到白光，现在分别创建纯蓝 纯绿和纯红三种图像 取三幅图像的相加和 查看结果

![d3a046416b7e4af6bc46887f0d815e05.png][]

可见结果为白色，蓝色加上绿色等于青色，青色再加上红色就等于白色，结果符合光学三原色的叠加原理

import cv2
    import numpy as np
    
    img1 = np.zeros((150, 150, 3), np.uint8)  # 创建150*150的0值图像
    img1[:, :, 0] = 255  # 蓝色通道賦予最大值
    img2 = np.zeros((150, 150, 3), np.uint8)
    img2[:, :, 1] = 255  # 绿色通道賦予最大值
    img3 = np.zeros((150, 150, 3), np.uint8)
    img3[:, :, 2] = 255  # 红色通道賦予最大值
    cv2.imshow("1", img1)  # 展示蓝色图像
    cv2.imshow("2", img2)  # 展示绿色图像
    cv2.imshow("3", img3)  # 展示红色图像
    img = cv2.add(img1, img2)  # 蓝色 + 绿色 = 青色
    cv2.imshow("1+2", img)  # 展示蓝色加绿色的结果
    img = cv2.add(img, img3)  # 红色 + 青色 = 白色
    cv2.imshow("1+2+3", img)  # 展示三色图像相加的结果
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

图像的加法运算中也可以运用掩模，下面通过一个实例介绍掩模的使用方法

创建纯蓝和纯红两幅图像，使用add方法对两幅图像进行加法运算，并在方法中添加一个掩模

![62d56548f7114f31a3ac9835960189e7.png][]

代码如下

import cv2
    import numpy as np
    
    img1 = np.zeros((150, 150, 3), np.uint8)  # 创建150*150的0值图像
    img1[:, :, 0] = 255  # 蓝色通道賦予最大值
    img2 = np.zeros((150, 150, 3), np.uint8)
    img2[:, :, 2] = 255  # 红色通道賦予最大值
    
    img = cv2.add(img1, img2)  # 蓝色 + 红色 = 洋红色
    cv2.imshow("no mask", img)  # 展示相加的结果
    
    m = np.zeros((150, 150, 1), np.uint8)  # 创建掩模
    m[50:100, 50:100, :] = 255  # 掩模中央位置为纯白色
    cv2.imshow("mask", m)  # 展示掩模
    
    img = cv2.add(img1, img2, mask=m)  # 相加时使用掩模
    cv2.imshow("use mask", img)  # 展示相加的结果
    
    cv2.waitKey()  # 按下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

**创作不易 觉得有帮助请点赞关注收藏~~~**

[16cbd0dbef7341a585920cabfaea7f35.png]: https://img-blog.csdnimg.cn/16cbd0dbef7341a585920cabfaea7f35.png
[33a370fdf532402cb19daf40367196bd.png]: https://img-blog.csdnimg.cn/33a370fdf532402cb19daf40367196bd.png
[2c7fa5ddcb0a4627ad6fa3a5ff8c327a.png]: https://img-blog.csdnimg.cn/2c7fa5ddcb0a4627ad6fa3a5ff8c327a.png
[68c6677475bc477abd560d17ad098856.png]: https://img-blog.csdnimg.cn/68c6677475bc477abd560d17ad098856.png
[559a8c67ece145ce933b8c45b809d13b.png]: https://img-blog.csdnimg.cn/559a8c67ece145ce933b8c45b809d13b.png
[5a64e4b3d95047e39d42f65bfb4910c7.png]: https://img-blog.csdnimg.cn/5a64e4b3d95047e39d42f65bfb4910c7.png
[d3a046416b7e4af6bc46887f0d815e05.png]: https://img-blog.csdnimg.cn/d3a046416b7e4af6bc46887f0d815e05.png
[62d56548f7114f31a3ac9835960189e7.png]: https://img-blog.csdnimg.cn/62d56548f7114f31a3ac9835960189e7.png