图像处理的掩膜图像

2019-06-21 08:33:42 zhouzongzong 阅读数 267

图像掩膜与其类似,用选定的图像、图形或物体,对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。
数字图像处理中,掩模为二维矩阵数组,有时也用多值图像,图像掩模主要用于:
①提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持不变,而区外图像值都为0。
②屏蔽作用,用掩模对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对屏蔽区作处理或统计。
③结构特征提取,用相似性变量或图像匹配方法检测和提取图像中与掩模相似的结构特征。
④特殊形状图像的制作。

灰度图由0~255表示,0为黑,255为白,从位操作的角度出发,纯黑色为0,不是纯黑色为1,所以在一些纯白色,或者纯黑色背景里,可以转为灰度图,利用阈值将非背景色的内容抠出来作为模板,再与原图做位操作,进行抠图。

(1)Cv2.bitwise_not(图片文件),将图片里像素值按位反向。

(2)Cv2.bitwise_and (目标文件,源文件,mask),将图片里的像素值按位与

(3)Cv2.add(目标文件,源文件),将图片里的像素值按位加

(4)Cv2.bitwise_xor (目标文件,源文件,mask),将图片里的像素值按位异或

2015-08-30 17:07:49 u011620352 阅读数 6145
电路板是用掩膜法制作而成的,现在电路板表面涂上一层抗腐蚀的材料,然后再进行处理,最后洗去材料就得到了电路。

掩膜法在图像处理中的应用:
可用于分割图像中的特定部分,关键在于怎么取膜。

例子:通过掩膜法分割图像的背景并且换背景色。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% FileName: frog.m
% description: masking way to change color of background in a image
% Reversion History: no
% Author: greyson
% Date: 2014/04/11
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% parameters
back_threshold = [160 160 190];
back = 125;

% read image
im = imread('E:\frog_1.jpg');

% processing image
mask = ones(size(im,1), size(im,2));

for k = 1:3
mask = mask .* double( im(:,:,k) > back_threshold(k) );
end

figure

for k = 1:3
im(:,:,k) = im(:,:,k) .* (1 - mask) + back * mask;
end

% show images
figure;
imshow(im)

注意:图像的颜色分量有3个,RGB,在去掩膜的时候要主要取得是3个分量的交集,切勿分别取RGB分量的掩膜!

结果:
图像分割——掩膜法 - Greyson - Greyson的博客图像分割——掩膜法 - Greyson - Greyson的博客
  
2017-01-13 19:54:11 i_chaoren 阅读数 3669

内容描述:给定皮肤镜黑素细胞瘤图像,检测毛发噪声,并修复毛发遮挡部位的信息。

主要包括以下五个大的步骤,流程图如下:


过程分析

第一步:对原图进行灰值化处理;计算公式为:Gray = R*0.299 + G*0.587 + B*0.114。

下图分别为实验原图和灰值化之后的图:

                                            

图1                                                                                           图2 

第二步:波谷检测;波谷检测可以分解为两个小的步骤,首先是使用结构元素对原图进行灰度闭运算(先膨胀后腐蚀:填充物体内细小空洞、连接邻近物体),进过多次试验,最终采用的是5×5的结构元素;然后用原图减去闭运算的结果,会得到图像的波谷区,也就是本图中的毛发区域,检测结果如下图3所示。

第三步:固定阈值分割;由于图片中的毛发区域在整张图中的占比很小,查阅文献可知,一般情况下,毛发占比仅有5%,所以不宜使用大津阈值的方法,这里采用的是固定阈值分割,这里使用的阈值为15,由图4可知,除了毛发区域,也出现了很多小的噪声,所以需要对图像降噪。

                                              

图3                                                                                         图4 

第四步:区域生长;在这里区域生长的作用主要是用来滤除小噪声的,对整幅图进行区域生长,对每个连通区域进行数量统计,对于统计量小于15的区域进行滤除。降噪之后的结果如图5所示。

第五步:掩膜重建;首先,为了减少毛发区域的颜色对图像重建产生影响,以及标记掩膜区域,在原图中将毛发区域赋值为255;伪代码如下:

if (二值图掩膜区像素 == 255)  {

                      for(int k=0;k<3;k++) 

                           原彩色图对应的区域 = 255;  }

然后建立了一个9×9的模板,在原始彩色图毛发区域对原图进行滤波,伪代码如下:

if ( 二值图掩膜区像素== 255)

                            { 使用9×9的模板对原图进行卷积滤波 }

模板结构如下:


最后得到的结果如下图6所示。

                                                   

图5                                                                                             图6

结果分析

在整个实验中关键的一步是波谷检测,它能够有效的将原图中的毛发区域检测出来,提供了掩膜的主要框架,需要注意的是在结构元素选择的时候,选择稍微较大的结构元素,这样可以将图中较为粗大的毛发也能提取出来,否则将会提取不完整,如图7所示,当然也不能选择的太大,不然噪声会非常多。对于阈值分割和区域生长已经在过程分析中交代清楚,这里不再赘述。最后就是掩膜重建,在重建的时候,进行一次滤波不能达到有效的重建结果,如图8所示,所以需要多次滤波,这里选择的滤波次数loop=5。

                                                                                                             

图7                                                                                     图8      

2013-08-17 20:03:22 meng4411yu 阅读数 44026

1、掩膜的定义

       掩模是由0和1组成的一个二进制图像。当在某一功能中应用掩模时,1值区域被处理,被屏蔽的0值区域不被包括在计算中。通过指定的数据值、数据范围、有限或无限值、感兴趣区和注释文件来定义图像掩模,也可以应用上述选项的任意组合作为输入来建立掩模。(来自百度百科http://baike.baidu.com/view/2062299.htm#2

2、图像掩膜例子

图1 掩膜(mask)图像

 

这是一个1集中于图像中间的掩膜,有87393个1,也就是说其可用于傅立叶域采集到约1/3原图像数据(512*512=262144)。

3、百度文库还有一篇比较容易懂的关于掩膜的文档

http://wenku.baidu.com/view/bc1407d6b14e852458fb57cd.html

       用选定的图像、图形或物体,对待处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。用于覆盖的特定图像或物体称为掩模或模板。光学图像处理中,掩模可以足胶片、滤光片等。数字图像处理中,掩模为二维矩阵数组,有时也用多值图像。

       数字图像处理中,图像掩模主要用于:

①提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持不变,而区外图像值都为0。

②屏蔽作用,用掩模对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对屏蔽区作处理或统计。

③结构特征提取,用相似性变量或图像匹配方法检测和提取图像中与掩模相似的结构特征。

④特殊形状图像的制作。用选定的图像、图形或物体,对待处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。用于覆盖的特定图像或物体称为掩模或模板。

4、那么我们就来看看一幅图像(傅立叶域)和掩膜相乘的结果(实验)

图2 原始(lena512*512)图像

 

图3 lena的傅立叶域图像
 

图4 与掩膜相乘之后的傅立叶域图像

 

图5 傅立叶反变换回来的图像

 

        从图2和图5,我们可以分辨出来掩膜滤掉了部分信息,只选取了掩膜“感兴趣”的区域。

 

2016-12-05 17:27:18 jinxiaonian11 阅读数 75133

刚开始涉及到图像处理的时候,在opencv等库中总会看到mask这么一个参数,非常的不理解,在查询一系列资料之后,写下它们,以供翻阅。
什么是掩膜(mask)
数字图像处理中的掩膜的概念是借鉴于PCB制版的过程,在半导体制造中,许多芯片工艺步骤采用光刻技术,用于这些步骤的图形“底片”称为掩膜(也称作“掩模”),其作用是:在硅片上选定的区域中对一个不透明的图形模板遮盖,继而下面的腐蚀或扩散将只影响选定的区域以外的区域。
图像掩膜与其类似,用选定的图像、图形或物体,对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。
光学图像处理中,掩模可以是胶片、滤光片等。数字图像处理中,掩模为二维矩阵数组,有时也用多值图像。数字图像处理中,图像掩模主要用于:

①提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持不变,而区外图像值都为0。
②屏蔽作用,用掩模对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对屏蔽区作处理或统计。
③结构特征提取,用相似性变量或图像匹配方法检测和提取图像中与掩模相似的结构特征。
④特殊形状图像的制作。

掩膜是一种图像滤镜的模板,实用掩膜经常处理的是遥感图像。当提取道路或者河流,或者房屋时,通过一个n*n的矩阵来对图像进行像素过滤,然后将我们需要的地物或者标志突出显示出来。这个矩阵就是一种掩膜。