如何使用Python基于二值掩码提取图像的感兴趣区域

以下实现完全匹配Matlab对应方案的输出效果：通过二值掩码过滤非感兴趣区域后，自动裁剪到目标区域的最小外接矩形，无多余空白边。

• 原始测试图像：
• 对应二值掩码：

依赖安装 #

仅需NumPy和OpenCV两个库，执行以下命令安装：
pip install numpy opencv-python

完整实现代码 #

import cv2
import numpy as np

# 读取原始图像，保留原有通道信息
origin_img = cv2.imread("original.png", cv2.IMREAD_UNCHANGED)
# 读取二值掩码，强制转为单通道灰度格式
binary_mask = cv2.imread("mask.png", cv2.IMREAD_GRAYSCALE)

# 定位掩码中所有非零（目标区域）的像素坐标
nonzero_y, nonzero_x = np.where(binary_mask > 0)
# 计算目标区域最小外接矩形的边界值
x_left, x_right = nonzero_x.min(), nonzero_x.max()
y_top, y_bottom = nonzero_y.min(), nonzero_y.max()

# 为原始图像添加Alpha通道，实现非目标区域透明（匹配Matlab默认输出效果）
if len(origin_img.shape) == 2:
    # 兼容灰度格式原图
    img_with_alpha = cv2.cvtColor(origin_img, cv2.COLOR_GRAY2BGRA)
elif origin_img.shape[2] == 3:
    # 兼容三通道彩色原图
    img_with_alpha = cv2.cvtColor(origin_img, cv2.COLOR_BGR2BGRA)
else:
    img_with_alpha = origin_img.copy()

# 将掩码值赋值给Alpha通道：目标区域完全不透明，其余区域完全透明
img_with_alpha[:, :, 3] = binary_mask

# 按最小外接矩形范围裁剪，得到最终ROI
extracted_roi = img_with_alpha[y_top:y_bottom+1, x_left:x_right+1]

# 保存提取结果
cv2.imwrite("extracted_roi.png", extracted_roi)

可选调整 #

• 如果不需要透明背景，想让非目标区域显示为黑色，可以删除Alpha通道相关逻辑，替换为位运算应用掩码：
  masked_img = cv2.bitwise_and(origin_img, origin_img, mask=binary_mask)
  之后直接对masked_img按计算好的边界裁剪即可。
• 如果需要给非目标区域设置其他纯色背景，只需要创建和原图同尺寸的纯色画布，再通过掩码把原图目标区域的像素复制到画布上，最后裁剪即可。

内容的提问来源于stack exchange，提问作者Kenan Morani