如何用Python/OpenCV通过pattern蒙版混合warp与weft图像？

首先分析你现有代码的问题：pattern和np.logical_not(pattern)的数值类型或范围可能不匹配。比如如果pattern是0-255的uint8类型，黑色是0、白色是255，那么np.logical_not(pattern)得到的是布尔数组（True/False），和0-255的图像数组相乘时会被转成1/0，但如果warp和weft是0-255的uint8，直接相乘会导致溢出或者数值错误，这就是效果异常的原因。

下面是几种高效的实现方法，无需逐像素遍历：

方法1：利用NumPy的掩码索引 #

先把pattern转换成布尔掩码，黑色区域标记为True，白色区域标记为False，然后直接赋值：

import numpy as np
import cv2

# 读取图像，确保尺寸一致且为3通道
warp = cv2.imread('warp.png')
weft = cv2.imread('weft.png')
pattern = cv2.imread('pattern.png', 0)  # 以灰度图读取

# 创建掩码：黑色区域（像素值为0）对应True，白色区域对应False
mask = pattern == 0

# 初始化结果为weft的副本，再替换黑色区域为warp的像素
result = weft.copy()
result[mask] = warp[mask]

这种方法依赖NumPy的向量操作，底层由C实现，效率远高于逐像素处理。

方法2：归一化后加权混合 #

将pattern归一化到0-1范围，再通过反向掩码计算加权值：

import numpy as np
import cv2

# 读取图像并转换为0-1的float32类型，避免uint8溢出
warp = cv2.imread('warp.png').astype(np.float32) / 255.0
weft = cv2.imread('weft.png').astype(np.float32) / 255.0
pattern = cv2.imread('pattern.png', 0).astype(np.float32) / 255.0

# 扩展pattern到3通道，与warp/weft维度匹配
pattern_3ch = np.repeat(pattern[:, :, np.newaxis], 3, axis=2)
# 黑色区域权重给warp，白色区域权重给weft
result = warp * (1 - pattern_3ch) + weft * pattern_3ch

# 转换回0-255的uint8类型
result = (result * 255).astype(np.uint8)

方法3：使用OpenCV位运算组合图像 #

利用OpenCV优化后的位运算函数，适合二值化的pattern：

import cv2

warp = cv2.imread('warp.png')
weft = cv2.imread('weft.png')
pattern = cv2.imread('pattern.png', 0)

# 提取黑色区域的warp像素
warp_part = cv2.bitwise_and(warp, warp, mask=~pattern)
# 提取白色区域的weft像素
weft_part = cv2.bitwise_and(weft, weft, mask=pattern)
# 合并两部分图像
result = cv2.bitwise_or(warp_part, weft_part)

注意事项 #

• 确保三张图像的尺寸完全一致，否则会触发维度不匹配错误；
• 如果pattern不是严格二值图（存在灰色区域），可先进行二值化处理：_, pattern = cv2.threshold(pattern, 127, 255, cv2.THRESH_BINARY)。

内容的提问来源于stack exchange，提问作者simone