图像掩膜mask提取ROI

可以使用 OpenCV 中的 cv2.bitwise_and 函数来提取 ROI。首先，需要创建一个掩膜，掩膜中需要将 ROI 区域设置为白色，其它区域设置为黑色。然后，使用 cv2.bitwise_and 函数将原始图像与掩膜进行按位与操作，即可得到 ROI 区域的图像。以下是示例代码：

import cv2

# 读取原始图像
img = cv2.imread('image.jpg')

# 创建掩膜
mask = np.zeros(img.shape[:2], dtype=np.uint8)
roi_corners = np.array([[(10,10), (300,300), (10,300)]], dtype=np.int32)
cv2.fillPoly(mask, roi_corners, 255)

# 提取 ROI
roi = cv2.bitwise_and(img, img, mask=mask)

# 显示结果
cv2.imshow('ROI', roi)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，roi_corners 是 ROI 区域的顶点坐标，可以根据实际情况进行修改。

相关问题

图像掩膜提取感兴趣区域代码

以下是一个简单的 Python 代码示例，用于提取图像中的感兴趣区域：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 创建掩膜
mask = np.zeros(img.shape[:2], np.uint8)
roi_corners = np.array([[(10,10), (300,300), (10,300)]], dtype=np.int32)
cv2.fillPoly(mask, roi_corners, 255)

# 应用掩膜
masked_img = cv2.bitwise_and(img, img, mask=mask)

# 显示结果
cv2.imshow("Masked Image", masked_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码使用 OpenCV 库读取图像，创建一个掩膜，然后将其应用于原始图像以提取感兴趣区域。掩膜是通过使用 `fillPoly` 函数创建的，该函数使用多边形的顶点坐标定义掩膜的形状。最后，使用 `bitwise_and` 函数将掩膜应用于原始图像。

python 多边形感兴趣区域提取roi

你可以使用 OpenCV 库来提取感兴趣区域（ROI）。

首先，你需要检测多边形的轮廓。可以使用 OpenCV 的 findContours 函数来实现这一点。这个函数会返回图像中所有轮廓的列表。

然后，你可以使用 drawContours 函数将轮廓绘制在一个空白图像上。这个图像将作为掩膜，在后续的步骤中将被用来提取感兴趣区域。

接下来，你可以使用 bitwise_and 函数将原始图像与掩膜相与，从而提取出感兴趣区域。

以下是一个简单的示例代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.png')

# 将图像转为灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化图像
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 寻找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 创建空白图像作为掩膜
mask = np.zeros_like(gray)

# 绘制轮廓到掩膜上
cv2.drawContours(mask, contours, -1, (255), thickness=cv2.FILLED)

# 提取感兴趣区域
roi = cv2.bitwise_and(img, img, mask=mask)

# 显示结果
cv2.imshow('ROI', roi)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们读取了一张图像，将其转为灰度图像，然后进行二值化处理。接着，找到图像中的轮廓，并将轮廓绘制到掩膜上。最后，我们使用掩膜提取出感兴趣区域，并显示结果。

你可以根据你的具体需求调整代码中的参数，如阈值、轮廓检测方法等。希望对你有帮助！