Question

我在查看OpenCV的文档时发现了一些我不理解的内容。我试图在网络上找到它，但找不到任何令人满意的东西。您能帮我写一行代码吗？这是代码：

# Load two images
img1 = cv.imread('messi5.jpg')
img2 = cv.imread('opencv-logo-white.png')
# I want to put logo on top-left corner, So I create a ROI
rows,cols,channels = img2.shape
roi = img1[0:rows, 0:cols ]
# Now create a mask of logo and create its inverse mask also
img2gray = cv.cvtColor(img2,cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
mask_inv = cv.bitwise_not(mask)
# Now black-out the area of logo in ROI
img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)
# Take only region of logo from logo image.
img2_fg = cv.bitwise_and(img2,img2,mask = mask)
# Put logo in ROI and modify the main image
dst = cv.add(img1_bg,img2_fg)
img1[0:rows, 0:cols ] = dst
cv.imshow('res',img1)
cv.waitKey(0)
cv.destroyAllWindows()

我实际上不明白的是这两行

img1_bg = cv.bitwise_and（roi，roi，mask = mask_inv）

img2_fg = cv.bitwise_and（img2，img2，mask = mask）

这些行实际做什么以及如何应用遮罩？

如果任何人都可以解释在bitwise_and操作中应用的遮罩，将非常有帮助。谢谢

Answer 1

如果您查看tutorial。

遮罩是OpenCV徽标的黑白图像，它是通过对OpenCV徽标应用阈值而创建的。

bitwise_and操作是logical and operation

在这种情况下，它采用两个8位数字表示一个像素，并对这些数字应用and操作。

Documentation描述了此功能的作用。

由于前两个参数相同（roi或img2），如果不使用遮罩，结果将是相同的图像。遮罩为黑色的位置与目标图像相同。

在这种情况下，没有提供目标图像，因此OpenCV会为功能中使用的目标图像分配一个黑色图像（零）（这通常是在未为Matrix提供功能时OpenCV的工作方式）。

具体来说，img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)将创建在该函数中使用的黑矩阵，该黑矩阵随后将成为输出img1_bg。 mask_inv中的像素仅填充了该黑色图像中与roi中的白色像素匹配的部分。这意味着在mask_inv中存在白色像素的位置。 roi值将复制到该函数在相应坐标中生成的纯黑色图像中。

类似地，img2_fg = cv.bitwise_and(img2,img2,mask = mask)将创建在该函数中使用的黑矩阵，该黑矩阵随后成为输出img2_fg。只有mask中的像素填充了该黑色图像中与img2中的白色像素匹配的部分。

因此，当您添加img1_bg和img2_fg时，结果只是每个图像中被遮盖的部分。

我个人认为，这是bitwise_and的令人困惑的用法。我认为，要演示bitwise_and的功能，可以更清楚地删除mask参数，如下所示：img1_bg = cv.bitwise_and(roi, mask_inv)。这样会得到相同的结果，遮罩为黑色的位置为零，而遮罩为黑色的像素则返回ROI值。

如果您不愿意演示bitwise_and的用法，那么在python中，我认为使用逻辑索引将更加清晰，如下所示：

output = np.zeros(img1.shape, np.uint8)
output[mask_inv] = img1_bg[mask_inv]
output[mask] = img2_fg[mask]

如何在opencv的bitwise_operation中应用屏蔽？

1 个答案: