如何正确地将蒙版插入原始图像？
How to properly insert mask into original image?
我的目标是用圆形噪声（盐和 pepper/black 和白点）覆盖一张脸，但我设法实现的只是矩形噪声。
使用这张图片：
我找到了面部坐标 (x,y,w,h) = [389, 127, 209, 209]
并使用这个 function 添加噪音
喜欢：
img = cv2.imread('like_this.jpg')
x,y,w,h = [389, 127, 209, 209]
noised = add_noise(img[y:y+h,x:x+w])
new = img.copy()
new[y:y+h,x:x+w] = noised
cv2.imshow('new', new)
从 x,y,w,h 我发现我希望我的圆在 (493, 231) 处，半径为 105
我研究过我发现了一些关于屏蔽和按位运算的东西，所以我尝试了：
mask = np.zeros(new.shape[:2], dtype='uint8')
cv2.circle(mask, (493, 231), 105, 255, -1)
new_gray = cv2.cvtColor(new, cv2.COLOR_BGR2GRAY)
masked = cv2.bitwise_and(new_gray, new_gray , mask=mask)
cv2.imshow('masked', masked)
这里，问题出现了：
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
OR = cv2.bitwise_or(masked, img_gray) # removes the black dots, idk why
cv2.imshow('bitwise - OR', OR)
黑点从噪声中移除，除此之外，我似乎无法将 OR 转换回 BGR。
也许有更好的方法。
拜托，help/guidance需要！
二进制条件下的按位运算函数在像素值为零时“关闭”像素，在像素值大于零时将其“打开”。
在你的例子中，bitwise_or“移除”了蒙版的黑色背景和噪声的黑点。
我建议这样做：
# Read image
img = cv2.imread('like_this.jpg')
x,y,w,h = [389, 127, 209, 209]
# Add squared noise
noised = add_noise(img[y:y+h,x:x+w])
new = img.copy()
new[y:y+h,x:x+w] = noised
# Transform the image to graylevel
new_gray = cv2.cvtColor(new, cv2.COLOR_BGR2GRAY)
# Create a mask in which black noise is equal to 0 and white to 2
mask = np.zeros(new.shape[:2], dtype='uint8')
mask[new_gray==0] = 1
mask[new_gray==255] = 2
# Mask the previous mask with a circle
circle = np.zeros(new.shape[:2], dtype='uint8')
circle = cv2.circle(circle, (493, 231), 105, 1, -1)
mask = mask * circle
plt.imshow(mask)
plt.show()
# Join the mask adding the noise to the image
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray[mask==1] = 0
gray[mask==2] = 255
cv2.imshow('Result', gray)
cv2.waitKey(0)
希望有用。如果您需要更多帮助，请告诉我。
所以问题是如何使用掩码。有两个选项，numpy 和 OpenCV.
numpy
由于您将噪声区域复制到结果中，现在想要恢复圆之外的所有内容，我将使用mask == 0获得一个布尔数组圈外处处为真
使用 numpy，布尔数组可以用作索引。结果是一个“视图”，它的行为就像一个切片。通过它的操作会影响原始数据。
noised = add_noise(img[y:y+h,x:x+w])
new = img.copy()
new[y:y+h,x:x+w] = noised # whole rectangle affected
new[mask == 0] = img[mask == 0] # restore everything outside of the circle
所有三个数组 (mask, new, img) 需要具有相同的形状。
OpenCV，掩码
与 Python 和 numpy 无关，但它的许多 C++ API 都采用可选的 mask 参数来修改该函数的操作。 Mat::copyTo() 就是这样一种方法。
OpenCV，按位运算
通过按位运算，掩码将不再只是将每个像素标记为真或假，但它必须是 3 通道并且每个值的所有八位都计数，因此它必须仅包含 0 和 255 ( 0xFF).
我会先擦除圆圈外的所有内容，然后添加回到圆圈外的源部分。两个操作都使用 bitwise_and。需要两个操作，因为按位操作不能只是“覆盖”。它们对两个操作数都有反应。我还将使用 numpy 的 ~ 运算符按位取反掩码。
bitwise_mask = cv.cvtColor(mask, cv.COLOR_GRAY2BGR) # blow it up
new = cv.bitwise_and(new, bitwise_mask)
new += cv.bitwise_and(img, ~bitwise_mask)
我的目标是用圆形噪声（盐和 pepper/black 和白点）覆盖一张脸，但我设法实现的只是矩形噪声。
使用这张图片：
我找到了面部坐标 (x,y,w,h) = [389, 127, 209, 209]
并使用这个 function 添加噪音
喜欢：
img = cv2.imread('like_this.jpg')
x,y,w,h = [389, 127, 209, 209]
noised = add_noise(img[y:y+h,x:x+w])
new = img.copy()
new[y:y+h,x:x+w] = noised
cv2.imshow('new', new)
从 x,y,w,h 我发现我希望我的圆在 (493, 231) 处，半径为 105
我研究过我发现了一些关于屏蔽和按位运算的东西，所以我尝试了：
mask = np.zeros(new.shape[:2], dtype='uint8')
cv2.circle(mask, (493, 231), 105, 255, -1)
new_gray = cv2.cvtColor(new, cv2.COLOR_BGR2GRAY)
masked = cv2.bitwise_and(new_gray, new_gray , mask=mask)
cv2.imshow('masked', masked)
这里，问题出现了：
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
OR = cv2.bitwise_or(masked, img_gray) # removes the black dots, idk why
cv2.imshow('bitwise - OR', OR)
黑点从噪声中移除，除此之外，我似乎无法将 OR 转换回 BGR。
也许有更好的方法。
拜托，help/guidance需要！
二进制条件下的按位运算函数在像素值为零时“关闭”像素，在像素值大于零时将其“打开”。
在你的例子中，bitwise_or“移除”了蒙版的黑色背景和噪声的黑点。
我建议这样做：
# Read image
img = cv2.imread('like_this.jpg')
x,y,w,h = [389, 127, 209, 209]
# Add squared noise
noised = add_noise(img[y:y+h,x:x+w])
new = img.copy()
new[y:y+h,x:x+w] = noised
# Transform the image to graylevel
new_gray = cv2.cvtColor(new, cv2.COLOR_BGR2GRAY)
# Create a mask in which black noise is equal to 0 and white to 2
mask = np.zeros(new.shape[:2], dtype='uint8')
mask[new_gray==0] = 1
mask[new_gray==255] = 2
# Mask the previous mask with a circle
circle = np.zeros(new.shape[:2], dtype='uint8')
circle = cv2.circle(circle, (493, 231), 105, 1, -1)
mask = mask * circle
plt.imshow(mask)
plt.show()
# Join the mask adding the noise to the image
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray[mask==1] = 0
gray[mask==2] = 255
cv2.imshow('Result', gray)
cv2.waitKey(0)
希望有用。如果您需要更多帮助，请告诉我。
所以问题是如何使用掩码。有两个选项，numpy 和 OpenCV.
numpy
由于您将噪声区域复制到结果中，现在想要恢复圆之外的所有内容，我将使用mask == 0获得一个布尔数组圈外处处为真
使用 numpy，布尔数组可以用作索引。结果是一个“视图”，它的行为就像一个切片。通过它的操作会影响原始数据。
noised = add_noise(img[y:y+h,x:x+w])
new = img.copy()
new[y:y+h,x:x+w] = noised # whole rectangle affected
new[mask == 0] = img[mask == 0] # restore everything outside of the circle
所有三个数组 (mask, new, img) 需要具有相同的形状。
OpenCV，掩码
与 Python 和 numpy 无关，但它的许多 C++ API 都采用可选的 mask 参数来修改该函数的操作。 Mat::copyTo() 就是这样一种方法。
OpenCV，按位运算
通过按位运算，掩码将不再只是将每个像素标记为真或假，但它必须是 3 通道并且每个值的所有八位都计数，因此它必须仅包含 0 和 255 ( 0xFF).
我会先擦除圆圈外的所有内容，然后添加回到圆圈外的源部分。两个操作都使用 bitwise_and。需要两个操作，因为按位操作不能只是“覆盖”。它们对两个操作数都有反应。我还将使用 numpy 的 ~ 运算符按位取反掩码。
bitwise_mask = cv.cvtColor(mask, cv.COLOR_GRAY2BGR) # blow it up
new = cv.bitwise_and(new, bitwise_mask)
new += cv.bitwise_and(img, ~bitwise_mask)