it-swarm.com.ru

OpenCV - применить маску к цветному изображению

Как я могу применить маску к цветному изображению в последней привязке Python (cv2)? В предыдущей привязке к Python самым простым способом было использование cv.Copy, например.

cv.Copy(dst, src, mask)

Но эта функция недоступна в привязке cv2. Есть ли обходной путь без использования стандартного кода?

21
pzo

Здесь вы можете использовать функцию cv2.bitwise_and, если у вас уже есть изображение маски.

Для проверки ниже код:

img = cv2.imread('lena.jpg')
mask = cv2.imread('mask.png',0)
res = cv2.bitwise_and(img,img,mask = mask)

Вывод будет следующим для изображения Лены и для прямоугольной маски.

enter image description here

39
Abid Rahman K

Ну, вот решение, если вы хотите, чтобы фон отличался от сплошного черного цвета. Нам нужно только инвертировать маску и применить ее к фоновому изображению того же размера, а затем объединить фон и передний план. Плюсом этого решения является то, что фоном может быть что угодно (даже другое изображение).

Этот пример изменен из Hough Circle Transform . Первое изображение - логотип OpenCV, второе - оригинальная маска, третье - фон + передний план вместе взятые.

 apply mask and get a customized background

# http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_houghcircles/py_houghcircles.html
import cv2
import numpy as np

# load the image
img = cv2.imread('E:\\FOTOS\\opencv\\opencv_logo.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# detect circles
gray = cv2.medianBlur(cv2.cvtColor(img, cv2.COLOR_RGB2GRAY), 5)
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=50, minRadius=0, maxRadius=0)
circles = np.uint16(np.around(circles))

# draw mask
mask = np.full((img.shape[0], img.shape[1]), 0, dtype=np.uint8)  # mask is only 
for i in circles[0, :]:
    cv2.circle(mask, (i[0], i[1]), i[2], (255, 255, 255), -1)

# get first masked value (foreground)
fg = cv2.bitwise_or(img, img, mask=mask)

# get second masked value (background) mask must be inverted
mask = cv2.bitwise_not(mask)
background = np.full(img.shape, 255, dtype=np.uint8)
bk = cv2.bitwise_or(background, background, mask=mask)

# combine foreground+background
final = cv2.bitwise_or(fg, bk)

Примечание: лучше использовать методы opencv, потому что они оптимизированы.

10
lmiguelmh

Другие описанные методы предполагают двоичную маску. Если вы хотите использовать однозначное изображение в градациях серого в качестве маски (например, из альфа-канала), вы можете расширить его до трех каналов, а затем использовать для интерполяции:

assert len(mask.shape) == 2 and issubclass(mask.dtype.type, np.floating)
assert len(foreground_rgb.shape) == 3
assert len(background_rgb.shape) == 3

alpha3 = np.stack([mask]*3, axis=2)
blended = alpha3 * foreground_rgb + (1. - alpha3) * background_rgb

Обратите внимание, что mask должен находиться в диапазоне 0..1 для успешного выполнения операции. Также предполагается, что 1.0 кодирует сохранение только переднего плана, в то время как 0.0 означает сохранение только фона.

Если маска может иметь форму (h, w, 1), это помогает:

alpha3 = np.squeeze(np.stack([np.atleast_3d(mask)]*3, axis=2))

Здесь np.atleast_3d(mask) делает маску (h, w, 1), если это (h, w), а np.squeeze(...) изменяет результат с (h, w, 3, 1) на (h, w, 3).

3
sunside
import cv2 as cv

im_color = cv.imread("lena.png", cv.IMREAD_COLOR)
im_gray = cv.cvtColor(im_color, cv.COLOR_BGR2GRAY)

На данный момент у вас есть цвет и серое изображение. Мы имеем дело с изображениями 8-bit, uint8 здесь. Это означает, что изображения могут иметь значения пикселей в диапазоне [0, 255], и значения должны быть целыми числами.

 left-color,right-gray

Давайте сделаем двоичную операцию порогового значения. Создает замаскированное изображение. Черные регионы имеют значение 0 и белые регионы 255

_, mask = cv.threshold(im_gray, thresh=180, maxval=255, type=cv.THRESH_BINARY)
im_thresh_gray = cv.bitwise_and(im_gray, mask)

Двоичная маска видна ниже слева. Изображение справа - результат применения операции bitwise_and между серым изображением и маской. Получилось так, что пространственные местоположения, где маска имела нулевое значение пикселя (чёрное), стали нулевым значением пикселя в результирующем изображении. В местах, где маска имела значение пикселя 255 (белый), полученное изображение сохранило свое первоначальное значение серого.

 left-mask,right-bitwise_and_with_mask

Чтобы применить эту маску к нашему исходному цветному изображению, нам нужно преобразовать маску в 3-канальное изображение, поскольку исходное цветное изображение - это 3-канальное изображение.

mask3 = cv.cvtColor(mask, cv.COLOR_GRAY2BGR)  # 3 channel mask

Затем мы можем применить эту маску к нашему исходному цветному изображению, используя ту же функцию bitwise_and.

im_thresh_color = cv.bitwise_and(im_color, mask3)

mask3 из кода - изображение внизу слева, а im_thresh_color справа.

 left-mask-3channel,right-bitwise_and_with_3channel-mask

Вы можете построить результаты и убедиться в этом сами.

cv.imshow("original image", im_color)
cv.imshow("binary mask", mask)
cv.imshow("3 channel mask", mask3)
cv.imshow("im_thresh_gray", im_thresh_gray)
cv.imshow("im_thresh_color", im_thresh_color)
cv.waitKey(0)

Исходное изображение lenacolor.png, которое я нашел здесь .

0
Sounak

Ответ, данный Абидом Рахманом К, не совсем правильный. Я также попробовал это и нашел очень полезным, но застрял.

Вот так я копирую изображение с заданной маской.

x, y = np.where(mask!=0)
pts = Zip(x, y)
# Assuming dst and src are of same sizes
for pt in pts:
   dst[pt] = src[pt]

Это немного медленно, но дает правильные результаты.

Правка:

Питонический путь.

idx = (mask!=0)
dst[idx] = src[idx]
0
Froyo