如何使用掩码仅对RGB图像中的非黑色像素做归一化处理？

错误原因 #

OpenCV的cv2.normalize函数不支持对**多通道图像（如RGB）**使用掩码参数。从报错的断言条件能看出：当图像通道数大于1时，必须传入空掩码，否则会触发断言失败——这是函数内部minMaxIdx方法的限制导致的。

替代解决方案 #

我们可以手动提取非黑色像素区域，计算其极值后单独对该区域做归一化，黑色像素保持不变。以下是具体实现步骤：

1. 生成非黑色区域掩码

先创建与图像同尺寸的掩码，标记非黑色区域（255）和黑色区域（0）：

import numpy as np
import cv2

# 加载图像（OpenCV默认读入为BGR，如需RGB可转色）
img = cv2.imread("your_image_path.png")
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 生成掩码：非黑色区域设为255，黑色设为0
mask = (img_rgb != 0).any(axis=2).astype(np.uint8) * 255

2. 按通道归一化非黑色区域（推荐）

按RGB各通道分别计算非黑色像素的极值，再单独归一化，能更好保留色彩细节：

output_img = img_rgb.copy().astype(np.float32)

for channel_idx in range(3):
    # 提取当前通道的非黑色像素
    channel = output_img[:, :, channel_idx]
    non_black_mask = mask == 255
    chan_min = channel[non_black_mask].min()
    chan_max = channel[non_black_mask].max()
    
    # 避免除以0（当所有非黑色像素值相同时）
    if chan_max != chan_min:
        # 应用MINMAX归一化公式
        channel[non_black_mask] = ((channel[non_black_mask] - chan_min) / (chan_max - chan_min)) * 255

# 转换回uint8格式
output_img = output_img.astype(np.uint8)

3. 全局归一化非黑色区域（可选）

如果不需要按通道单独处理，也可以对所有非黑色像素做全局归一化：

output_img = img_rgb.copy().astype(np.float32)
non_black_pixels = output_img[mask == 255]

global_min = non_black_pixels.min()
global_max = non_black_pixels.max()

if global_max != global_min:
    output_img[mask == 255] = ((non_black_pixels - global_min) / (global_max - global_min)) * 255

output_img = output_img.astype(np.uint8)

效果说明 #

处理后，黑色像素会保持原有的0值，彩色像素则基于自身区域的极值完成归一化，不会被黑色像素干扰，色彩饱和度会更符合预期。

内容的提问来源于stack exchange，提问作者Becky W