L'équivalent de copyTo en Python OpenCV liaisons?

cv::Mat::copyTo effectue l'une des deux choses, selon que la matrice de sortie a été initialisé. Si votre matrice de sortie n'est pas initialisé, à l'aide de copyTo avec un masque crée une nouvelle matrice de sortie qui est du même type que l'entrée et toutes les valeurs sont fixées à 0 sur tous les canaux. Une fois que cela arrive, les données de l'image est définie par le masque est copié avec le reste de la matrice être mis à 0. Si votre matrice de sortie est initialisé et déjà se compose de contenu, copyTo copie les pixels qui sont définis dans le masque de la source et laisse les pixels qui ne faisaient pas partie de l'entourage d'être intact dans la destination. Par conséquent, un remplacement de pixels qui sont définies par le masque de l'image source est copié à la sortie.

Parce que OpenCV utilise maintenant numpy à l'interface avec la bibliothèque, il est très facile de faire les deux méthodes. À différencier de l'autre réponse vu dans ce post, la première méthode peut être réalisé simplement en multipliant le masque avec l'image dans un élément-sage de la mode. En supposant que votre entrée est appelé img et votre masque binaire est appelé mask où je suis en supposant que le masque est en 2D, il suffit de faire ce qui suit:

import numpy as np
import cv2

mask = ... # define mask here
img = cv2.imread(...) # Define input image here

# Create new image
new_image = img * (mask.astype(img.dtype))

Le code ci-dessus mais suppose que les deux img et mask partager le même nombre de canaux. Ce qui est difficile si vous utilisez une couleur à l'image de la source et le masque 2D comme je l'ai déjà supposé. Par conséquent, le nombre total de canaux 2 et pas 3, et donc la syntaxe ci-dessus vous donnera une erreur que les dimensions entre les deux ne sont plus compatibles. Vous aurez besoin afin de prendre en compte lorsque vous utilisez des images couleur. Vous pouvez le faire en ajoutant un singleton troisième dimension pour le masque, de sorte que la diffusion peut être mis à profit.

import numpy as np
import cv2

mask = ... # define mask here
img = cv2.imread(...) # Define input image here

# Create new image
# Case #1 - Other image is grayscale and source image is colour
if len(img.shape) == 3 and len(mask.shape) != 3:
    new_image = img * (mask[:,:,None].astype(img.dtype))
# Case #2 - Both images are colour or grayscale
elif (len(img.shape) == 3 and len(mask.shape) == 3) or \
   (len(img.shape) == 1 and len(mask.shape) == 1):
    new_image = img * (mask.astype(img.dtype))
# Otherwise, we can't do this
else:
    raise Exception("Incompatible input and mask dimensions")

---

Pour la deuxième approche, nous supposons que nous avons une autre image appelée other_image où vous souhaitez copier le contenu dans cette image définie par votre masque de retour à l'image de la cible img. Dans ce cas, ce que vous voulez faire en premier est de déterminer toutes les endroits dans le masque, qui sont non-zéro à l'aide de numpy.où, puis les utiliser pour d'index ou de les couper en tranches de votre image ainsi que l'endroit où vous souhaitez copier à partir de. Nous devons également être conscients du nombre de canaux entre les deux images, tout comme avec la première approche:

import numpy as np
import cv2

mask = ... # define mask here
img = cv2.imread(...) # Define input image here
other_image = cv2.imread(...) # Define other image here

locs = np.where(mask != 0) # Get the non-zero mask locations

# Case #1 - Other image is grayscale and source image is colour
if len(img.shape) == 3 and len(other_image.shape) != 3:
    img[locs[0], locs[1]] = other_image[locs[0], locs[1], None]
# Case #2 - Both images are colour or grayscale
elif (len(img.shape) == 3 and len(other_image.shape) == 3) or \
   (len(img.shape) == 1 and len(other_image.shape) == 1):
    img[locs[0], locs[1]] = other_image[locs[0], locs[1]]
# Otherwise, we can't do this
else:
    raise Exception("Incompatible input and output dimensions")

Voici un exemple de fonctionnement pour les deux approches. Je vais utiliser le Caméraman de l'image c'est un test standard de l'image perçue dans la plupart des algorithmes de traitement d'image.

J'ai aussi artificiellement les couleurs de l'image, même si c'est visualisé comme en niveaux de gris, mais les intensités seront copiés sur tous les canaux. J'ai aussi l'intention de définir un masque qui est tout simplement le haut à gauche 100 x 100 sous-région et nous allons donc créer une image de sortie des copies de cette sous-région:

import numpy as np
import cv2

# Define image
img = cv2.imread("cameraman.png")

# Define mask
mask = np.zeros(img.shape, dtype=np.bool)
mask[:100, :100] = True

---

Lorsque vous utilisez la première méthode, et quand nous le montrent les résultats, nous obtenons:

Nous pouvons voir que nous avons créé une image de sortie où le haut à gauche 100 x 100 sous-région contient nos données d'image avec le reste des pixels égale à 0. Ceci est soumis à l'entourage des endroits qui sont mis à True. Pour la deuxième approche, nous allons créer l'autre image à la une qui est aléatoire de la même taille que l'image d'entrée qui s'étend de [0, 255] pour tous les canaux.

# Define other image
other_image = (255*np.random.rand(*img.shape)).astype(np.uint8)

Une fois que nous courons à travers le code avec la deuxième approche, j'ai cette image:

Comme vous pouvez le voir, le coin supérieur gauche de l'image a été mis à jour, que le masque des endroits qui sont mis à True.