如何在OpenCV中使用遮罩混合图像？

我有两张

CV_8UC3

类型的

img1

和

img2

图像，还有一张

CV_8UC1

类型的

mask

所有矩阵的值都在0-255范围内。我想计算以下结果：

mask_ .* img1 + (1.0 - mask_) * img2

其中

mask\uu=mask/255.0

---

如何正确地做到这一点？如果我需要中间

掩码

，它的类型/声明是什么？

您可以将

img1

的内容复制到

img2

并提供一个掩码，以便仅复制掩码覆盖的区域：

img1.copyTo(img2, mask);

---

之后，

img2

包含

img1

和

img2

之间的混合，您可以将

img1

的内容复制到

img2

并提供一个掩码，以便仅复制掩码所覆盖的区域：

img1.copyTo(img2, mask);

---

之后，

img2

包含了

img1

和

img2

之间的混合，直到我找到了一种内置的方法来实现这一点，以下是我使用的：

cv::Mat weightedBlend(const cv::Mat &img1, const cv::Mat &img2, const cv::Mat &mask) {
    assert((img1.type() == CV_8UC1 && img2.type() == CV_8UC1) ||
           (img1.type() == CV_8UC3 && img2.type() == CV_8UC3));
    assert(mask.type() == CV_8UC1);
    assert(img1.rows == mask.rows && img1.cols == mask.cols);
    assert(img2.rows == mask.rows && img2.cols == mask.cols);

    cv::Mat res(img1.rows, img1.cols, img1.type());
    const int nChannels = img1.channels();

    for (int iRow = 0; iRow < mask.rows; ++iRow) {
        const uchar *pImg1Row = img1.ptr<uchar>(iRow);
        const uchar *pImg2Row = img2.ptr<uchar>(iRow);
        const uchar *pMaskRow = mask.ptr<uchar>(iRow);
        uchar *pResRow = res.ptr<uchar>(iRow);

        for (int iCol = 0; iCol < mask.cols; ++iCol) {
            float w = pMaskRow[iCol] / 255.0;
            for (int iChan = 0; iChan < nChannels; ++iChan) {
                int iChanElem = nChannels * iCol + iChan;
                pResRow[iChanElem] = roundf(w * pImg1Row[iChanElem] + (1-w) * pImg2Row[iChanElem]);
            }
        }
    }

    return res;
}

cv:：Mat-weightedBlend（常数cv:：Mat&img1，常数cv:：Mat&img2，常数cv:：Mat&mask）{
断言（（img1.type（）==CV_8UC1&&img2.type（）==CV_8UC1）||
（img1.type（）；
断言（mask.type（）==CV_8UC1）；
断言（img1.rows==mask.rows&&img1.cols==mask.cols）；
断言（img2.rows==mask.rows&&img2.cols==mask.cols）；
cv:：Mat res（img1.rows、img1.cols、img1.type（））；
const int nChannels=img1.channels（）；
对于（int-iRow=0；iRow

在我找到一种内置的方法之前，以下是我使用的方法：

cv::Mat weightedBlend(const cv::Mat &img1, const cv::Mat &img2, const cv::Mat &mask) {
    assert((img1.type() == CV_8UC1 && img2.type() == CV_8UC1) ||
           (img1.type() == CV_8UC3 && img2.type() == CV_8UC3));
    assert(mask.type() == CV_8UC1);
    assert(img1.rows == mask.rows && img1.cols == mask.cols);
    assert(img2.rows == mask.rows && img2.cols == mask.cols);

    cv::Mat res(img1.rows, img1.cols, img1.type());
    const int nChannels = img1.channels();

    for (int iRow = 0; iRow < mask.rows; ++iRow) {
        const uchar *pImg1Row = img1.ptr<uchar>(iRow);
        const uchar *pImg2Row = img2.ptr<uchar>(iRow);
        const uchar *pMaskRow = mask.ptr<uchar>(iRow);
        uchar *pResRow = res.ptr<uchar>(iRow);

        for (int iCol = 0; iCol < mask.cols; ++iCol) {
            float w = pMaskRow[iCol] / 255.0;
            for (int iChan = 0; iChan < nChannels; ++iChan) {
                int iChanElem = nChannels * iCol + iChan;
                pResRow[iChanElem] = roundf(w * pImg1Row[iChanElem] + (1-w) * pImg2Row[iChanElem]);
            }
        }
    }

    return res;
}

cv:：Mat-weightedBlend（常数cv:：Mat&img1，常数cv:：Mat&img2，常数cv:：Mat&mask）{
断言（（img1.type（）==CV_8UC1&&img2.type（）==CV_8UC1）||
（img1.type（）；
断言（mask.type（）==CV_8UC1）；
断言（img1.rows==mask.rows&&img1.cols==mask.cols）；
断言（img2.rows==mask.rows&&img2.cols==mask.cols）；
cv:：Mat res（img1.rows、img1.cols、img1.type（））；
const int nChannels=img1.channels（）；
对于（int-iRow=0；iRow

您可以使用Opencv的filter2D和addweight函数。

mask_uu2;.mul（img1）+（1.0-mask_2;）.mul（img2）如何声明掩码；mask.converTo（mask_u、CV_32F、1.0/255.0

。然后可能需要分别混合每个通道（请参见

CV:：split

和

CV:：merge

）每个通道必须单独计算，可能img1和img2也必须是CV_32F格式。我会在循环中手动计算每像素混合。您可以使用Opencv的filter2D和addweight函数。

mask_uu2;.mul（img1）+（1.0-mask_2;.mul（img2）；

如何声明mask_2;

Mat mask_2;；mask.converTo（掩码、CV、32F、1.0/255.0

。然后可能需要分别混合每个通道（请参见

CV:：split

和

CV:：merge

）每个通道必须单独计算，可能img1和img2也必须是CV_32F格式。我会在循环中手动计算每像素混合。但是这里的掩码是二进制的，它将处理相同的1和255值（即，仅当掩码像素为零或非零时才重要），但是这里的掩码是二进制的，它将处理相同的1和255值（即，仅当遮罩像素为零或非零时才起作用）