如何在C++版OpenCV中实现Python的掩码提取所有像素功能

要实现Python中通过掩码提取所有符合条件像素的功能，你可以借助OpenCV的findNonZero函数定位掩码中的有效位置，再遍历这些位置收集像素值，结合reshape还能调整结果结构，完全匹配Python的输出形式。

灰度图场景示例 #

#include <opencv2/opencv.hpp>
#include <vector>

using namespace cv;
using namespace std;

int main() {
    // 读取灰度图像
    Mat src_img = imread("xxx.jpg", IMREAD_GRAYSCALE);
    if (src_img.empty()) return -1;

    // 生成掩码：像素值大于50的区域
    Mat mask;
    compare(src_img, Scalar(50), mask, CMP_GT);

    // 获取掩码中非零像素的坐标
    vector<Point> locations;
    findNonZero(mask, locations);

    // 创建存储结果的Mat，存储所有符合条件的像素
    Mat fetch(locations.size(), 1, src_img.type());
    for (size_t i = 0; i < locations.size(); ++i) {
        fetch.at<uchar>(i) = src_img.at<uchar>(locations[i]);
    }

    // 可选：将结果转为N×1的一维结构，和Python输出完全对齐
    Mat fetch_reshaped = fetch.reshape(1);
    return 0;
}

彩色图场景示例 #

如果是彩色图，需要先确保每个通道的像素值都满足条件，再提取像素：

#include <opencv2/opencv.hpp>
#include <vector>

using namespace cv;
using namespace std;

int main() {
    // 读取彩色图像
    Mat src_img = imread("xxx.jpg");
    if (src_img.empty()) return -1;

    // 生成掩码：每个通道像素值都大于50
    vector<Mat> channels;
    split(src_img, channels);
    Mat mask;
    // 逐通道比较后取交集
    compare(channels[0], Scalar(50), mask, CMP_GT);
    Mat temp;
    compare(channels[1], Scalar(50), temp, CMP_GT);
    bitwise_and(mask, temp, mask);
    compare(channels[2], Scalar(50), temp, CMP_GT);
    bitwise_and(mask, temp, mask);

    // 获取掩码中非零像素的坐标
    vector<Point> locations;
    findNonZero(mask, locations);

    // 存储所有符合条件的彩色像素
    Mat fetch(locations.size(), 1, src_img.type());
    for (size_t i = 0; i < locations.size(); ++i) {
        fetch.at<Vec3b>(i) = src_img.at<Vec3b>(locations[i]);
    }

    // 可选：转为N×3的二维结构，和Python中src_img[mask]的输出结构一致
    Mat fetch_reshaped = fetch.reshape(src_img.channels());
    return 0;
}

说明 #

• findNonZero会找出掩码中所有非零（即符合条件）的像素坐标，是实现该功能的核心。
• 最终的fetch_reshaped结构和Python中src_img[mask]返回的ndarray完全对应：灰度图是N×1的一维数组，彩色图是N×3的二维数组，每个元素对应一个像素的通道值。

内容的提问来源于stack exchange，提问作者Mactarvish