在opencv中屏蔽图像

时间:2014-04-27 23:13:20

标签: c++ opencv

我正在尝试沿着接缝分割两个图像,然后将它们混合在一起。在这个过程中,我需要通过应用蒙版来切割沿着接缝的每个图像。我该如何申请面膜?我尝试了bitwise_andmultiply掩码和图片,但都没有效果。

int pano_width = left_template_width + right_template_width - roi_width;  
// add zeros to the right of the left template
Mat full_left = Mat::zeros(roi_height, pano_width, CV_32FC3);
Mat tmp_l = full_left(Rect(0,0, left_template_width, roi_height));
imshow("Scene mask", mask0f3);
imshow("Cropped scene", cropped_scene);
Mat left_masked;
//bitwise_and(cropped_scene, mask0f3, left_masked); // full_left looks all black
multiply(cropped_scene, mask0f3, left_masked); // full_left looks like the scene mask, but with an extra black rectangle on the right side
left_masked.copyTo(tmp_l);
imshow("Full left", full_left);

enter image description here

enter image description here

enter image description here

我采用了极其高效但又有效的黑客行为:

void apply_mask(Mat& img, Mat mask) {
    CV_Assert(img.rows == mask.rows);
    CV_Assert(img.cols == mask.cols);
    print_mat_type(img);
    print_mat_type(mask);
    for (int r = 0; r < mask.rows; r++) {
        for (int c = 0; c < mask.cols; c++) {
            if (mask.at<uchar>(r, c) == 0) {
                img.at<Vec3f>(r, c) = Vec3f(0, 0, 0);
            }
        }
    }
}

1 个答案:

答案 0 :(得分:2)

这里有一个使用bitwise_and工作的代码段(请查看docs此方法的工作原理)

    Mat img = imread("lena.jpg");
    Mat mask = Mat::zeros(img.rows, img.cols, CV_8UC1);
    Mat halfMask = mask(cv::Rect(0,0,img.rows/2, img.cols/2));
    halfMask.setTo(cv::Scalar(255));
    Mat left_masked;
    bitwise_and(img, cv::Scalar(255,255,255), left_masked, mask);

所以你可以使用类似的东西:

bitwise_and(cropped_scene, cv::Scalar(255,255,255), left_masked, mask); // mask must be CV_8UC1!

但您必须更改类型,或创建新掩码,其类型为CV_8UC1。

编辑:您的函数apply_mask可能如下所示:

void apply_mask(Mat& img, Mat &mask, Mat &result) {
    CV_Assert(img.rows == mask.rows);
    CV_Assert(img.cols == mask.cols);
    CV_Assert(img.type() == CV_32FC3);
    bitwise_and(img, cv::Scalar(1.0f,1.0f,1.0f), result, mask);
}

不幸的是,如果您将输入图像作为输出图像传递到bitwise_and,那么您将获得所有黑色输出。但是传递另一个论点是可行的。