openc用numpy数组创建掩模，在图像中间取出大小为80×120的图像

可以使用以下代码实现：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 创建掩模
mask = np.zeros(img.shape[:2], dtype=np.uint8)
mask[img.shape[]//2-40:img.shape[]//2+40, img.shape[1]//2-60:img.shape[1]//2+60] = 255

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

# 取出图像
cropped_img = masked_img[img.shape[]//2-40:img.shape[]//2+40, img.shape[1]//2-60:img.shape[1]//2+60]

# 显示图像
cv2.imshow('Cropped Image', cropped_img)
cv2.waitKey()
cv2.destroyAllWindows()

相关问题

使用图像掩模执行位运算，取出掩模内的图像

图像掩码是一种二值图像，通常用于选择或隐藏原图中的某些部分。通过位运算，特别是AND运算，我们可以将原始图像与掩模结合，只保留掩模内为白色（True或1）的像素部分，其余部分被透明（False或0）的部分所覆盖。

假设我们有两张图像：原始图像`img`和掩模`mask`，都是numpy数组。执行位运算的基本步骤如下：

import numpy as np

# 假设img是一个BGR色彩空间的图像
# mask是一个黑白二值图像，其中白色表示要保留的部分
# 我们需要转换掩模为单通道（通常为白色背景）
mask = mask[:, :, 0]

# 使用掩模进行位与操作，提取掩模内的图像
masked_img = np.where(mask == 255, img, 0)  # 如果掩码像素为255，则对应位置的原始像素保持不变
masked_img = masked_img.astype(np.uint8)  # 确保结果是整数类型，通常是uint8

# 返回处理后的图像
masked_img = masked_img[:,:,::-1]  # 因为OpenCV读取BGR图像，而显示通常需要RGB，所以这里反转颜色通道顺序

在这段代码中，`np.where()`函数根据条件对数组元素进行赋值。当`mask`等于255时（即白色），`img`的相应像素值被复制；否则（黑色或0），像素值被设置为0，实现了掩码内的图像提取。

用python编写一个程序，输入两幅彩色图像和一个二维掩模图像，产生两幅图像混合的拉普拉斯金字塔。 ‎创建每个图像各自的拉普拉斯金字塔。 创建两幅掩模图像的高斯金字塔（输入图像和它的补集）。 ‎将每幅图像乘以对应的掩模，对图像求和。 从混合的拉普拉斯金字塔中重建最终图像。

由于本题需要用到图像处理库，我们需要先安装opencv-python：

pip install opencv-python

然后就可以开始编写程序了：

import cv2
import numpy as np

def laplacian_pyramid(img, levels):
    # 生成拉普拉斯金字塔
    # 先生成高斯金字塔
    pyramid = [img]
    for i in range(levels - 1):
        img = cv2.pyrDown(img)
        pyramid.append(img)
    # 再生成拉普拉斯金字塔
    laplacian_pyramid = [pyramid[levels - 1]]
    for i in range(levels - 2, -1, -1):
        upsampled = cv2.pyrUp(pyramid[i + 1])
        height, width, _ = pyramid[i].shape
        laplacian = cv2.subtract(pyramid[i], cv2.resize(upsampled, (width, height)))
        laplacian_pyramid.insert(0, laplacian)
    return laplacian_pyramid

def gaussian_pyramid(img, levels):
    # 生成高斯金字塔
    pyramid = [img]
    for i in range(levels - 1):
        img = cv2.pyrDown(img)
        pyramid.append(img)
    return pyramid

def blend_images(img1, img2, mask):
    # 将两幅图像混合
    # 先生成掩模的高斯金字塔
    mask_pyramid = gaussian_pyramid(mask, len(laplacian_pyramid(img1, 6)))
    # 生成两幅图像的拉普拉斯金字塔
    laplacian1 = laplacian_pyramid(img1, 6)
    laplacian2 = laplacian_pyramid(img2, 6)
    # 混合两幅图像的拉普拉斯金字塔
    blended_pyramid = []
    for i in range(len(mask_pyramid)):
        blended = cv2.add(cv2.multiply(laplacian1[i], mask_pyramid[i]), cv2.multiply(laplacian2[i], cv2.subtract(1.0, mask_pyramid[i])))
        blended_pyramid.append(blended)
    # 从混合的拉普拉斯金字塔中重建最终图像
    result = blended_pyramid[0]
    for i in range(1, len(blended_pyramid)):
        result = cv2.add(cv2.pyrUp(result), blended_pyramid[i])
    return result

# 读入图片和掩模
img1 = cv2.imread("img1.jpg")
img2 = cv2.imread("img2.jpg")
mask = cv2.imread("mask.jpg", 0) / 255.0

# 将两幅图像混合
result = blend_images(img1, img2, mask)

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

以上代码中，我们定义了三个函数：

- `laplacian_pyramid(img, levels)`：生成拉普拉斯金字塔
- `gaussian_pyramid(img, levels)`：生成高斯金字塔
- `blend_images(img1, img2, mask)`：将两幅图像混合

在 `blend_images` 函数中，我们先生成了掩模的高斯金字塔，然后分别生成了两幅图像的拉普拉斯金字塔，接着混合两幅图像的拉普拉斯金字塔，最后从混合的拉普拉斯金字塔中重建最终图像。

最后，我们读入两幅彩色图像和一个二维掩模图像，并调用 `blend_images` 函数将两幅图像混合，最后显示结果。