Python 在OpenCV/numpy中，在阈值图像为黑色的位置应用原始图像像素？

我已经对阈值图像应用了一些形态学操作，现在我想将其转换回原始图像，但仅限于图像为黑色的地方。下面是一些我试图做的伪代码示例：

import cv2
import numpy as np

img = cv2.imread("img01.jpg")
empty_image = np.zeros([img.width,img.height,3],dtype=np.uint8)
grey = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

ret,thresh1 = cv2.threshold(grey,125,255,cv2.THRESH_BINARY)
kernel = np.ones((5, 5), np.uint8) 
mask = cv2.erode(thresh1, kernel, iterations=2)
mask = cv2.dilate(mask, kernel, iterations=2)
for(i in mask):
      if(mask[i]>0]:
          empty_image[i]=img[i]

---

换句话说：如何将原始图像的一部分还原为阈值图像的一部分？

找到掩码后，只需使用

result=cv2.bitwise_和（img，img，mask=mask）

，无需声明空图像，这称为掩码处理

另一种方法是使用布尔索引，如

img[mask==0]=0

，使每个图像像素在掩码中为黑色时为零（黑色）

这就是结果：

---

这是理解

opencv

docs中的

bitwise\u和

以及其他简单相关操作的有用示例。

这正是我所希望的！谢谢。我真的没有太努力地去研究做事情的for循环，因为对于这个特定的项目，O（n）太慢了！是的，最好避免使用for循环，您可以通过切片解决它，如

img[mask==0]=0

，使原始图像的每个像素都变黑（如果它在遮罩中是黑色的）。