2.编写一个程序，按照图像mask1、mask2标注的大小构造一个掩膜图像mask，将该掩膜图像作为按位与函数的掩膜图像，实现保留图像lena的指定部分。 1（1）图像路径：超星/课程资料/实验实训1资料/素材2； 1（2）参考结果：图像result。

为了编写这样一个程序，你需要使用一种支持图像处理的编程语言，如Python的PIL（Python Imaging Library）或其更现代的库Pillow，以及NumPy处理数组操作。下面是一个简单的步骤描述：

1. 首先，导入所需的库：

from PIL import Image
import numpy as np

2. 读取图像 Lena 和 mask1、mask2：

lena_path = '超星/课程资料/实验实训1资料/素材2/lena.jpg'
mask1_path = '超星/课程资料/实验实训1资料/素材2/mask1.png'
mask2_path = '超星/课程资料/实验实训1资料/素材2/mask2.png'

lena_img = Image.open(lena_path)
mask1_img = Image.open(mask1_path)
mask2_img = Image.open(mask2_path)

3. 将图像转换为 NumPy 数组以便于操作：

lena_array = np.array(lena_img, dtype=np.uint8)
mask1_array = np.array(mask1_img, dtype=np.bool)
mask2_array = np.array(mask2_img, dtype=np.bool)

4. 对 mask1 和 mask2 进行位运算，如果两个掩码都为 True，则对应位置的结果也为 True：

combined_mask = np.logical_and(mask1_array, mask2_array)

5. 使用按位与（"&"操作符）对 Lena 图像和结合后的掩码：

masked_lena = np.where(combined_mask, lena_array, 0)  # 0 表示遮罩区域

6. 最后，把掩码后的结果转换回 PIL 图像并保存到 result 文件中：

result_img = Image.fromarray(masked_lena.astype(np.uint8))
result_img.save('result.jpg')

注意：这个程序假设mask1和mask2是二进制图像，其中黑色表示需要保留的部分，白色表示需要忽略的部分。