OpenCV - Maske auf ein Farbbild anwenden

Question

Wie kann ich Maske auf ein Farbbild in der neuesten Python-Bindung (CV2) anwenden? In der vorherigen Python-Bindung war der einfachste Weg die Verwendung von cv.Copy, z.

cv.Copy(dst, src, mask)

Aber diese Funktion ist in cv2 Bindung nicht zur Verfügung. Gibt es eine Umgehungslösung, ohne den Standardcode zu verwenden?

Answer 1

Hier könnten Sie cv2.bitwise_and Funktion verwenden, wenn Sie bereits das Maskenbild haben.

für die unten überprüfen Code:

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

Der Ausgang wird als für ein lena Bild folgt und für rechteckige Maske.

Answer 2

Antwort von Abid Rahman K gegeben ist nicht ganz korrekt. Ich habe es auch ausprobiert und fand es sehr hilfreich, aber steckte fest.

So kopiere ich das Bild mit einer gegebenen Maske.

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] 

Dies ist ein bisschen langsam, aber liefert korrekte Ergebnisse.

BEARBEITEN:

Pythonischer Weg.

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

Answer 3

Nun, hier ist eine Lösung, wenn Sie möchten, dass der Hintergrund anders als eine feste schwarze Farbe ist. Wir müssen nur die Maske invertieren und sie in einem Hintergrundbild der gleichen Größe anwenden und dann beide Hintergrund und Vordergrund kombinieren. Ein Vorteil dieser Lösung ist, dass der Hintergrund alles sein kann (sogar ein anderes Bild).

Dieses Beispiel wurde geändert von Hough Circle Transform. Das erste Bild ist das OpenCV-Logo, das zweite die Originalmaske, das dritte der Hintergrund + Vordergrund kombiniert.

# 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) 

Hinweis: Es ist besser, die opencv Methoden zu verwenden, da sie optimiert sind.

Answer 4

Die anderen beschriebenen Methoden gehen von einer binären Maske aus. Wenn Sie eine reellwertige Einkanal-Graustufenbild als Maske (zB von einem Alphakanal) verwenden möchten, können Sie es auf drei Kanäle erweitern und es dann für die Interpolation verwendet werden:

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 

Beachten Sie, dass mask Bedürfnisse im Bereich 0..1 liegen, damit der Vorgang erfolgreich ist. Es wird auch angenommen, dass 1.0 codiert, nur den Vordergrund zu behalten, während 0.0 bedeutet, nur den Hintergrund zu behalten.

Wenn der Maske die (h, w, 1) Form haben kann, das hilft:

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

Hier np.atleast_3d(mask) macht die Maske (h, w, 1) wenn es (h, w) und np.squeeze(...) umformt das Ergebnis (h, w, 3, 1)-(h, w, 3).