我的目標是用圓形噪聲（鹽和胡椒/黑白點）覆寫一張臉，但是我設法實作的只是矩形噪聲。
使用此影像：
我找到了人臉坐標 (x,y,w,h) =[389, 127, 209, 209]
并且使用這個
從x,y,w,h我發現我希望我的圈子(493, 231)半徑為 105
我研究了一些關于屏蔽和按位運算的資訊，所以我嘗試了：
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)
在這里，問題出現了：
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)
黑點從噪音中消失了，除此之外，我似乎無法轉換OR回 BGR。
也許有更好的方法來做到這一點。
請，需要幫助/指導！
uj5u.com熱心網友回復：
所以問題是如何使用掩蔽。有兩種選擇，numpyOpenCV。
麻木的
由于您將嘈雜的區域復制到結果中，并且現在想要恢復圓外的所有內容，我將使用它mask == 0來獲取一個在圓外任何地方都為真的布爾陣列。
使用 numpy，布爾陣列可以用作索引。結果是一個“視圖”，它的行為就像一個切片。通過它的操作會影響原始資料。
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
所有三個陣列 ( mask, new, img) 需要具有相同的形狀。
OpenCV，面具
Python 和 numpy 可用的情況并不多，但它的許多 C API 采用一個可選mask引數來修改該函式的操作。Mat::copyTo()就是這樣一種方法。
OpenCV，按位運算
使用按位運算，掩碼不再只是將每個像素標記為真或假，而是必須是 3 通道并且每個值的所有八位都計數，因此它必須僅包含 0 和 255 (0xFF)。
我將首先擦除圓圈外的所有內容，然后添加回圓圈外的源部分。兩種操作都使用bitwise_and. 需要兩個操作，因為按位操作不能只是“覆寫”。它們對兩個運算元都有反應。我還將使用 numpy 的~運算子對掩碼進行按位取反。
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)
uj5u.com熱心網友回復：
二進制條件下的按位運算功能，如果像素的值為零，則“關閉”像素，如果像素的值大于零，則將其“打開”。
在您的情況下， bitwise_or “洗掉”了蒙版的黑色背景和噪聲的黑點。
我建議這樣做：
# 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)
希望它有效。如果您需要更多幫助，請告訴我。
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/410129.html
標籤：
上一篇：Nim-如何在編譯時訪問具有Option[mytype]型別的欄位的mytype？
下一篇：檢測對比影像的紋理背景