如何创建仅在图像中显示黑色的白色蒙版？

Question

我正在尝试获取专辑封面的轮廓，但边缘检测器（Canny、Laplace）拾取了太多噪音。我不完全理解图像遮罩的工作原理，并且想在图像上放置白色遮罩，这样我只能看到黑色像素

我应用了 GaussianBlur 5x5 并将图像转换为 hsv 值。我有一系列黑色值，我已将其过滤掉。

# imported image and processing (shorthand here)
image = cv2.imread(args["image"])
blur = cv2.GaussianBlur(image, (5,5), 0)
blur_hsv = cv2.cvtColor(blur, cv2.COLOR_BGR2HSV)

# set regions of color 
boundaries = [
    # black 
    ([0,0,0],[180, 255, 40])

    #pink
    #([151, 80, 50], [174, 255, 255])   
]

# loop over the boundaries
for (lower, upper) in boundaries:
    # create NumPy arrays from the boundaries
    lower = np.array(lower, dtype = "uint8")
    upper = np.array(upper, dtype = "uint8")

    # find the colors within the specified boundaries and apply
    mask = cv2.inRange(blur_hsv, lower, upper)  
    output = cv2.bitwise_and(image, image, mask = mask)

    # show the images
    cv2.imshow("images", np.hstack([image, output]))

我希望最终输出有一些区别，但窗口只是黑色的。如何创建不同颜色的蒙版？

编辑：

不是确切的图像，而是一个示例 左：原始；右：已处理

Answer 1

根据我的理解，您想要获得一个所有彩色像素（非黑色）都是白色的蒙版。当我们使用 时，我们给它一个下/上阈值，以白色cv2.inRange()返回边界内的所有像素。然后，当我们将蒙版和原始图像一起使用时，得到的图像将是蒙版和原始图像均为白色的区域。本质上，任何白色像素都是我们想要保留的区域。cv2.bitwise_and()

您当前的输出显示原始图片中像素位于下限/上限阈值之间的所有区域。但如果您的目标是显示所有非黑色像素，那么您可以简单地反转蒙版。这是一个可视化：

这是您当前的蒙版，并将原始图像中阈值内的所有像素表示为白色。

我们可以简单地翻转面具或使用cv2.bitwise_not()以获得您想要的面具。这个新的蒙版将不在下限/上限阈值内的所有彩色像素表示为白色。因此，这个掩模是所有彩色像素。

final_mask = 255 - mask

请记住，我们想要保留的任何像素，我们应该将其设置为白色，而我们想要丢弃的任何像素，我们应该将其设置为黑色。因此，如果我们将cv2.bitwise_and()这个新蒙版与原始图像一起使用，我们会得到这个

这是关于按位运算和屏蔽的很好的教程

import cv2
import numpy as np

image = cv2.imread('1.png')
blur = cv2.GaussianBlur(image, (5,5), 0)
blur_hsv = cv2.cvtColor(blur, cv2.COLOR_BGR2HSV)

# create NumPy arrays from the boundaries
lower = np.array([0,0,0], dtype = "uint8")
upper = np.array([180,255,40], dtype = "uint8")

# find the colors within the specified boundaries and apply
mask = cv2.inRange(blur_hsv, lower, upper)  
mask = 255 - mask
output = cv2.bitwise_and(image, image, mask = mask)

# show the images
cv2.imshow("output", output)
cv2.imshow("mask", mask)
cv2.waitKey()