1.在OpenCV中我們經常會遇到一個名字:Mask(掩膜)。很多函數都使用到它，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。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、絕對值等；圖像也可以放大、縮小、旋轉，還可以截取其中的一部分作為ROI（感興趣區域）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。
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數學運算應用于圖像像素的處理中，下面將著重介紹
bitwise_and是對二進制數據進行“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是對二進制數據進行“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是對二進制數據進行“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是對二進制數據進行“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
# 構建參數解析器
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)
# 創建矩形區域，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)
# 創建圓形區域，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域效果：
掩膜（mask）
在有些圖像處理的函數中有的參數里面會有mask參數，即此函數支持掩膜操作，首先何為掩膜以及有什么用，如下：
數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，用于這些步驟的圖形“底片”稱為掩膜（也稱作“掩模”），其作用是：在硅片上選定的區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域以外的區域。
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域或處理過程。
數字圖像處理中,掩模為二維矩陣數組,有時也用多值圖像，圖像掩模主要用于：
①提取感興趣區,用預先制作的感興趣區掩模與待處理圖像相乘,得到感興趣區圖像,感興趣區內圖像值保持不變,而區外圖像值都為0。
②屏蔽作用,用掩模對圖像上某些區域作屏蔽,使其不參加處理或不參加處理參數的計算,或僅對屏蔽區作處理或統計。
③結構特征提取,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構特征。
④特殊形狀圖像的制作。
在所有圖像基本運算的操作函數中，凡是帶有掩膜（mask）的處理函數，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結果(其他結果也行)，修改調整后，
代碼如下：
# opencv 圖像的基本運算
# 導入庫
import numpy as np
import argparse
import cv2
# 構建參數解析器
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)
# 創建矩形區域，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)
# 創建圓形區域，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于Mask的操作。
mask = Mat::zeros(image.size(), CV_8UC1);
mask(r1).setTo(255); //r1是設置好的感興趣區域
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區域的所有像素值設置為255,也就是整個r1區域變成了白色。
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，感興趣的區域是白色的，表明感興趣區域的像素都是非0，而非感興趣區域都是黑色，表明那些區域的像素都是0。一旦原圖與mask圖進行與運算后，得到的結果圖只留下原始圖感興趣區域的圖像了。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Opencv 掩膜內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關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
