使用OpenCV和Python进行图像掩膜与直方图分析

文章目录

    • 引言
    • [1. 准备工作](#1. 准备工作)
    • [2. 加载并显示原始图像](#2. 加载并显示原始图像)
    • [3. 创建掩膜](#3. 创建掩膜)
    • [3. 应用掩膜](#3. 应用掩膜)
    • [5. 计算并显示直方图](#5. 计算并显示直方图)
    • [6. 结果分析](#6. 结果分析)
    • [7. 总结](#7. 总结)

引言

在图像处理中,掩膜(Mask)是一个非常重要的概念,它允许我们选择性地处理图像的特定区域。今天,我将通过一个实际的例子来展示如何使用OpenCV和Python对手机图像进行掩膜处理并分析其直方图。

1. 准备工作

首先,我们需要导入必要的库:

python 复制代码
import cv2
import numpy as np
from matplotlib import pyplot as plt

2. 加载并显示原始图像

我们首先加载一张名为"phone.png"的图像,并将其转换为灰度图:

python 复制代码
phone = cv2.imread('phone.png', cv2.IMREAD_GRAYSCALE)
cv2.imshow('phone', phone)
cv2.waitKey(0)

cv2.IMREAD_GRAYSCALE参数告诉OpenCV以灰度模式加载图像。cv2.imshow()用于显示图像,cv2.waitKey(0)则等待用户按键后才继续执行。

  • 图像显示如下:

3. 创建掩膜

接下来,我们创建一个与原始图像大小相同的全黑图像作为掩膜基础:

python 复制代码
mask = np.zeros(phone.shape[:2], np.uint8)  # 创建黑白图像,用于制作mask
mask[50:350, 100:470] = 255
cv2.imshow('mask', mask)
cv2.waitKey(0)

这里,我们在掩膜上定义了一个矩形区域(从y=50到350,x=100到470),并将该区域设置为白色(255),其余部分保持黑色(0)。这个白色矩形就是我们的感兴趣区域(ROI)。

  • 图片显示如下:

3. 应用掩膜

使用按位与操作将掩膜应用到原始图像上:

python 复制代码
phone_mask = cv2.bitwise_and(phone, phone, mask=mask)
cv2.imshow('phone_mask', phone_mask)
cv2.waitKey(0)

cv2.bitwise_and()函数执行按位与操作,由于我们使用了相同的图像作为两个输入,实际上就是使用掩膜来选择图像的部分区域。在掩膜为白色的区域,原始图像内容会被保留;在掩膜为黑色的区域,结果图像对应位置会被置为0(黑色)。

  • 图片显示如下:

5. 计算并显示直方图

最后,我们计算掩膜区域内图像的直方图:

python 复制代码
phone_hist_mask = cv2.calcHist([phone], [0], mask, [256], [0,256])
plt.plot(phone_hist_mask)  # 使用calcHist的值绘制曲线图
plt.show()

cv2.calcHist()函数的参数解释:

  • [phone]: 输入图像列表
  • [0]: 计算直方图的通道索引(灰度图只有0通道)
  • mask: 使用的掩膜
  • [256]: 直方图的bin数量
  • [0,256]: 像素值范围

然后我们使用Matplotlib的plt.plot()函数绘制直方图曲线,plt.show()显示图表。

  • 直方图显示如下:

6. 结果分析

通过这个过程,我们可以:

  1. 清晰地看到原始手机图像
  2. 观察我们定义的掩膜区域
  3. 查看应用掩膜后的效果(只有ROI区域可见)
  4. 分析ROI区域的像素值分布(直方图)

直方图可以帮助我们了解图像的对比度、亮度分布等信息,对于后续的图像处理(如阈值分割、对比度增强等)非常有帮助。

7. 总结

通过这个简单的例子,我们学习了如何使用OpenCV进行基本的图像掩膜操作和直方图分析。这些技术是更复杂图像处理任务的基础,掌握它们将为你的计算机视觉之旅打下坚实基础。

希望这篇博客对你有所帮助!如果你有任何问题或建议,欢迎在评论区留言。

相关推荐
zm-v-159304339861 分钟前
ArcGIS 水文分析升级:基于深度学习的流域洪水演进过程模拟
人工智能·深度学习·arcgis
拓端研究室1 小时前
视频讲解|核密度估计朴素贝叶斯:业务数据分类—从理论到实践
人工智能·分类·数据挖掘
灵智工坊LingzhiAI1 小时前
人体坐姿检测系统项目教程(YOLO11+PyTorch+可视化)
人工智能·pytorch·python
昨日之日20061 小时前
Video Background Remover V3版 - AI视频一键抠像/视频换背景 支持50系显卡 一键整合包下载
人工智能·音视频
SHIPKING3932 小时前
【机器学习&深度学习】什么是下游任务模型?
人工智能·深度学习·机器学习
子燕若水6 小时前
Unreal Engine 5中的AI知识
人工智能
极限实验室7 小时前
Coco AI 实战(一):Coco Server Linux 平台部署
人工智能
杨过过儿7 小时前
【学习笔记】4.1 什么是 LLM
人工智能
巴伦是只猫7 小时前
【机器学习笔记Ⅰ】13 正则化代价函数
人工智能·笔记·机器学习
大千AI助手7 小时前
DTW模版匹配:弹性对齐的时间序列相似度度量算法
人工智能·算法·机器学习·数据挖掘·模版匹配·dtw模版匹配