如何使用Python与OpenCV基于掩码去除图像对应黑色像素区域的像素？

嘿，这个需求太常见啦，完全可以通过按位与（AND）运算来实现，这也是OpenCV里处理掩码抠图最经典的方法之一，刚好匹配你想要的效果：保留原始图中掩码白色区域的像素，移除黑色区域对应的像素。

我给你拆解下具体步骤和原理：

核心原理 #

首先得明确：你的掩码图需要是单通道的黑白二值图（黑色为0，白色为255，因为OpenCV默认用8位无符号整数存储像素）。按位与运算的规则是：

• 当掩码像素为255（二进制全1）时，原始像素和它做与运算，结果就是原始像素本身（因为任何数和全1做与都不变）；
• 当掩码像素为0（二进制全0）时，原始像素和它做与运算，结果就是0（也就是黑色，相当于移除了这个位置的像素）。
  完美契合你的需求对吧？

具体实现代码 #

下面是完整的可运行代码，我加了注释方便你理解：

import cv2
import numpy as np

# 1. 读取原始图像和掩码图像
original_img = cv2.imread("你的原始图路径.jpg")
mask_img = cv2.imread("你的掩码图路径.jpg")

# 2. 处理掩码：转灰度+二值化，确保只有0和255
# 如果你的掩码本身就是单通道灰度图，可以跳过转灰度这一步
gray_mask = cv2.cvtColor(mask_img, cv2.COLOR_BGR2GRAY)
# 阈值设为127是因为：大于127的像素变成255（白色），小于等于的变成0（黑色）
_, binary_mask = cv2.threshold(gray_mask, 127, 255, cv2.THRESH_BINARY)

# 3. 关键：确保掩码和原始图像的尺寸完全一致，否则按位运算会报错
if binary_mask.shape != original_img.shape[:2]:
    # 按原始图的宽高调整掩码尺寸
    binary_mask = cv2.resize(binary_mask, (original_img.shape[1], original_img.shape[0]))

# 4. 执行按位与运算，得到抠图结果
# 这里第二个参数传original_img是因为按位与需要两个输入，我们用原始图和自己与，再用掩码过滤
result = cv2.bitwise_and(original_img, original_img, mask=binary_mask)

# 5. 查看或保存结果
cv2.imshow("抠图结果", result)
cv2.waitKey(0)  # 按任意键关闭窗口
cv2.destroyAllWindows()
cv2.imwrite("最终抠图.jpg", result)

额外注意点 #

• 如果你的掩码图是用0和1表示的浮点型图像（比如某些生成的掩码），记得先把它转换成8位无符号整数格式：binary_mask = (mask_float * 255).astype(np.uint8)，不然OpenCV的按位运算会出问题。
• 要是你想让移除的区域变成透明背景（而不是黑色），可以把结果转成带Alpha通道的RGBA图像，把掩码的黑色区域设为透明，不过这是进阶需求，你如果需要的话可以再深挖~

内容的提问来源于stack exchange，提问作者VansFannel