python OpenCV 掩码裁剪

在 OpenCV 中，可以通过掩码（mask）来实现图像的裁剪。掩码是一张与原图像大小相同的二值图像，取值为 0 或 255，其中取值为 255 的像素表示裁剪后要保留的部分，取值为 0 的像素表示裁剪后要舍弃的部分。下面给出一个示例代码，演示如何使用掩码进行图像的裁剪。

import cv2
import numpy as np

# 读取原图像和掩码
img = cv2.imread('image.jpg')
mask = cv2.imread('mask.jpg', cv2.IMREAD_GRAYSCALE)

# 将掩码转换为二值图像
mask = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY)[1]

# 对原图像应用掩码
img_masked = cv2.bitwise_and(img, img, mask=mask)

# 寻找最小外接矩形
contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
rect = cv2.boundingRect(contours[0])

# 裁剪图像
img_cropped = img_masked[rect[1]:rect[1]+rect[3], rect[0]:rect[0]+rect[2]]

# 显示原图像和裁剪后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Cropped Image', img_cropped)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，`cv2.imread` 函数用于读取原图像和掩码。由于掩码是灰度图像，因此需要使用 `cv2.IMREAD_GRAYSCALE` 参数读取。接着使用 `cv2.threshold` 函数将掩码转换为二值图像。然后使用 `cv2.bitwise_and` 函数对原图像应用掩码，得到一个掩码后的图像。接着使用 `cv2.findContours` 函数寻找掩码中的轮廓，然后使用 `cv2.boundingRect` 函数寻找最小外接矩形，即包围所有轮廓的矩形。最后使用 NumPy 数组索引操作裁剪图像。