python opencv 根据宽高创建mask图片

可以使用NumPy库创建一个全零矩阵，然后在指定的宽高范围内将矩阵的像素值修改为1或255，从而得到一个mask图片。

下面是一个示例代码，其中宽为100，高为200：

import numpy as np
import cv2

width = 100
height = 200
mask = np.zeros((height, width), dtype=np.uint8)
mask[50:150, 25:75] = 255

cv2.imshow('Mask Image', mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个代码会创建一个200x100的全零矩阵，然后将其第50到150行、第25到75列的像素值设置为255，最后显示这个mask图片。

相关问题

python opencv 根据宽高生成mask 将图片非感兴趣区域去掉颜色，形成黑白图

可以使用OpenCV中的cv2.rectangle方法生成mask，然后将mask应用于原始图像即可。

以下是示例代码：

import cv2
import numpy as np

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

# 预设宽高
width, height = 300, 400

# 生成mask，将感兴趣区域设为白色，其余部分设为黑色
mask = np.zeros(img.shape[:2], dtype=np.uint8)
mask[0:height, 0:width] = 255

# 应用mask，将非感兴趣区域设为黑色
masked_img = cv2.bitwise_and(img, img, mask=mask)

# 转换为灰度图
gray_img = cv2.cvtColor(masked_img, cv2.COLOR_BGR2GRAY)

# 二值化处理，形成黑白图
_, bw_img = cv2.threshold(gray_img, 1, 255, cv2.THRESH_BINARY)

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Mask', mask)
cv2.imshow('Masked Image', masked_img)
cv2.imshow('Black and White Image', bw_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们读取了一张名为“image.jpg”的图像，并设定了宽300和高400。然后，我们使用cv2.rectangle方法生成了一个mask，将感兴趣的区域设为白色，其余部分设为黑色。接着，我们将mask应用于原始图像，将非感兴趣区域设为黑色，并将结果转换为灰度图。最后，我们使用cv2.threshold方法对灰度图进行二值化处理，形成黑白图，并将结果显示出来。

注意，这个示例中，我们使用了cv2.rectangle方法生成了一个矩形的mask，如果需要生成其他形状的mask，可以使用其他的OpenCV方法。

python opencv 根据mask 抠图 bgra

使用OpenCV可以根据mask抠出bgra图像中的感兴趣区域。下面是一个简单的示例代码：

import cv2
import numpy as np

# 读取bgra图像和mask
img = cv2.imread('input.png', cv2.IMREAD_UNCHANGED)
mask = cv2.imread('mask.png', cv2.IMREAD_GRAYSCALE)

# 将mask转为三通道
mask = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)

# 将mask中不为0的部分取反
mask_inverse = cv2.bitwise_not(mask)

# 将原图和mask分别与mask_inverse做与运算和或运算
foreground = cv2.bitwise_and(img, mask)
background = cv2.bitwise_and(img, mask_inverse)

# 将前景和背景叠加
result = cv2.add(foreground, background)

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

在这个示例中，我们首先读取了bgra图像和mask，然后将mask转为三通道，因为原始的mask是单通道的。接下来，我们将mask中不为0的部分取反，得到mask的补集。然后，我们将原图和mask分别与mask_inverse做与运算和或运算，得到前景和背景。最后，将前景和背景叠加，得到结果。