3.4 掩模

OpenCV中的很多函数都会指定一个掩模，也被称为掩码，例如：

计算结果=cv2.add(参数1，参数2，掩模)

当使用掩模参数时，操作只会在掩模值为非空的像素点上执行，并将其他像素点的值置为0。

例如，img1、img2、mask和img3的原始值分别为：

经过img3=cv2.add(img1, img2, mask=mask)运算后，得到img3为：

在运算过程中，img3计算的是在掩模mask控制下的“img1+img2”结果。在计算时，掩码为1的部分对应“img1+img2”，其他部分的像素值均为“0”。

需要说明的是，在运算前，数组img3内就存在值，这仅仅是为了说明问题用的，实际上img3是根据函数cv2.add()所生成的新数组，与原来的值并没有关系。

【例3.10】演示掩码的使用。

根据题目要求，编写程序如下：

        import cv2
        import numpy as np
        img1=np.ones((4,4), dtype=np.uint8)*3
        img2=np.ones((4,4), dtype=np.uint8)*5
        mask=np.zeros((4,4), dtype=np.uint8)
        mask[2:4,2:4]=1
        img3=np.ones((4,4), dtype=np.uint8)*66
        print("img1=\n", img1)
        print("img2=\n", img2)
        print("mask=\n", mask)
        print("初始值img3=\n", img3)
        img3=cv2.add(img1, img2, mask=mask)
        print("求和后img3=\n", img3)

运行上述程序，得到如下输出结果：

        img1=
         [[3 3 3 3]
         [3 3 3 3]
         [3 3 3 3]
         [3 3 3 3]]
        img2=
         [[5 5 5 5]
         [5 5 5 5]
         [5 5 5 5]
         [5 5 5 5]]
        mask=
         [[0 0 0 0]
         [0 0 0 0]
         [0 0 1 1]
         [0 0 1 1]]
        初始值img3=
         [[66 66 66 66]
         [66 66 66 66]
         [66 66 66 66]
         [66 66 66 66]]
        求和后img3=
         [[0 0 0 0]
         [0 0 0 0]
         [0 0 8 8]
         [0 0 8 8]]

上述例题介绍的是在cv2.add()函数中使用掩模的情况，在位运算中也都含有掩模参数。在3.3.1节中，我们介绍了直接使用按位与运算对原始图像与掩模进行计算的方式。在将彩色图像与掩模进行计算时，由于按位与操作要求参与运算的数据应该有相同的通道，所以无法直接将彩色图像与单通道的掩模图像进行按位与操作。我们通过将掩模图像转换为BGR模式的彩色图像，让彩色图像与（彩色）掩模图像进行按位与操作，从而实现掩模运算。

实际上，在函数中所使用的掩模参数可以是8位单通道图像。所以，可以将掩模图像作为按位与函数cv2.bitwise_and( src1, src2[, mask]] )中参数mask的值，完成掩模运算。此时，让待处理的彩色图像同时作为函数cv2.bitwise_and( src1, src2[, mask]] )的参数src1和参数src2，使用掩模图像作为掩模参数，完成按位与运算，即可得到由掩模控制的彩色图像。

需要注意的是，任何数值与自身进行按位与计算的结果，得到的仍旧是自身的值。例如，在表3-11中，数值198与自身进行按位与运算，得到的结果仍旧是198。

所以，在上述操作中，让待处理的彩色图像与自身进行按位与操作，得到的仍是彩色图像本身。而使用的掩模参数控制的是，在目标图像中，哪些区域的值是彩色图像的值、哪些区域的值是0。

【例3.11】构造一个掩模图像，将该掩模图像作为按位与函数的掩模参数，实现保留图像的指定部分。

        import cv2
        import numpy  as np
        a=cv2.imread("lena.bmp",1)
        w, h, c=a.shape
        mask=np.zeros((w, h), dtype=np.uint8)
        mask[100:400,200:400]=255
        mask[100:500,100:200]=255
        c=cv2.bitwise_and(a, a, mask)
        print("a.shape=", a.shape)
        print("mask.shape=", mask.shape)
        cv2.imshow("a", a)
        cv2.imshow("mask", mask)
        cv2.imshow("c", c)
        cv2.waitKey()
        cv2.destroyAllWindows()

运行上述程序，输出结果如图3-8所示，其中左图为原始图像，中间的图为掩模图像，右图为原始图像与掩模图像进行按位与后的图像。由于本书为黑白印刷，所以为了更好地观察运行效果，请大家亲自上机运行程序。

除此以外，程序还将显示如下结果：

        a.shape= (512, 512, 3)
        mask.shape= (512, 512)