使用OpenCV和Python对多边形应用高斯模糊

我对OpenCV和Python非常陌生。我需要对使用cv2.findContours获得的轮廓应用高斯模糊。我已经成功地应用了高斯模糊，但仅限于矩形。我找不到任何例子来说明如何将其应用于随机形状的轮廓

我使用的是OpenCV版本3.1.0

---

谢谢

> P>你可以考虑到处模糊图像，然后在模糊图像和原始图像之间取加权平均，其中权重是轮廓区域内的一个，而0外：

outImg = img.mul(contourMask) + blurredImg.mul(1-contourMask);

或者，使用copyTo：

outImg = img.clone();
blurredImg.copyTo(outImg,contourMask);

---

我也有同样的问题，下面是一个对我有效的解决方案（它适用于任何轮廓）：

这里我定义了一个示例多边形ROI的顶点列表：

roi_corners = np.array([[(180,300),(120,540),(110,480),(160,350)]],dtype = np.int32)

阅读原始图像：

image = cv.imread('image.jpeg')

创建整个图像的模糊副本：

blurred_image = cv.GaussianBlur(image,(43, 43), 30)

为ROI创建遮罩，并用（255255）颜色填充ROI：

为原始图像中除ROI之外的所有位置创建遮罩（因此遮罩逆）：

按以下方式组合所有遮罩和以上图像：

final_image = cv.bitwise_and(blurred_image, mask) + cv.bitwise_and(image, mask_inverse)

下面是一个原始图像的示例，其中ROI是倾斜的车牌（平行四边形）：

以及生成的图像：

---

嘿，谢谢你的回答！我问这个问题已经两年了，我终于找到了解决办法，但是我忘了把它贴在这里。将检查您的解决方案，如果有效，将其作为答案接受。

mask = np.zeros(image.shape, dtype=np.uint8)
channel_count = image.shape[2]
ignore_mask_color = (255,)*channel_count
cv.fillPoly(mask, roi_corners, ignore_mask_color)

mask_inverse = np.ones(mask.shape).astype(np.uint8)*255 - mask

final_image = cv.bitwise_and(blurred_image, mask) + cv.bitwise_and(image, mask_inverse)