如何优化Python中的颜色图层蒙版以呈现中间调？

问题描述 #

用Python创建图层蒙版时，蒙版仅能呈现纯黑/纯白的二进制状态，无法体现颜色匹配强度，需要实现类似Photoshop的带灰色中间调的蒙版效果。

当前代码 #

import cv2
import numpy as np  # 补充原代码缺失的numpy导入

image = cv2.imread('grade_0.jpg')

lower = np.array([0,0,0])
upper = np.array([12,255,255])

mask = cv2.inRange(cv2.cvtColor(image, cv2.COLOR_BGR2HSV), lower, upper)  
mask = 255 - mask
# mask = cv2.bitwise_not(mask) #inverting black and white
output = cv2.bitwise_and(image, image, mask = mask)

cv2.imshow("output", output)
cv2.imshow("mask", mask)
cv2.waitKey()

效果对比 #

参考效果 #

• 参考蒙版效果：
• 参考输出效果：

当前代码生成效果 #

• 当前蒙版效果：
• 当前输出效果：

原始图片 #

• 原始图片1：
• 原始图片2：

解决方案 #

要生成带灰度中间调的蒙版，需放弃cv2.inRange的二值化逻辑，改为计算像素与目标颜色的匹配强度，生成0-255区间的灰度蒙版，再通过加权融合实现半透明效果：

优化后代码 #

import cv2
import numpy as np

image = cv2.imread('grade_0.jpg')
hsv_img = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 目标颜色范围（HSV）
lower_hsv = np.array([0, 0, 0])
upper_hsv = np.array([12, 255, 255])

# 分别计算HSV三通道的匹配度，生成单通道灰度图
h_match = np.where((hsv_img[:, :, 0] >= lower_hsv[0]) & (hsv_img[:, :, 0] <= upper_hsv[0]), 255, 0)
s_match = np.where((hsv_img[:, :, 1] >= lower_hsv[1]) & (hsv_img[:, :, 1] <= upper_hsv[1]), 255, 0)
v_match = np.where((hsv_img[:, :, 2] >= lower_hsv[2]) & (hsv_img[:, :, 2] <= upper_hsv[2]), 255, 0)

# 合并三通道匹配度，生成灰度蒙版（可根据需求调整通道权重）
mask = (h_match + s_match + v_match) // 3
# 反转蒙版，与原代码逻辑保持一致
mask = 255 - mask

# 将单通道蒙版转为3通道，方便与原图进行加权融合
mask_3ch = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)
# 通过加权计算实现半透明效果，替代仅支持二值蒙版的bitwise_and
output = (image * (mask_3ch / 255)).astype(np.uint8)

cv2.imshow("output", output)
cv2.imshow("mask", mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码说明 #

1. 拆分HSV通道匹配计算，避免cv2.inRange直接生成二值图，保留颜色匹配的强度差异
2. 采用加权融合替代cv2.bitwise_and，利用灰度蒙版的中间值实现平滑的半透明过渡
3. 若需要更精准的颜色相似度，可改用欧氏距离、余弦相似度等算法计算像素与目标颜色的接近程度，生成更细腻的灰度蒙版

内容的提问来源于stack exchange，提问作者DrakeJest