OpenCV如何利用阈值分割结果将图案叠加到阈值图像的黑色区域

核心思路 #

利用阈值图生成布尔掩码，通过numpy的数组索引直接匹配替换对应位置的像素，无需判断区域几何形状，完美适配不规则的黑色填充区域。

前置条件 #

• 阈值图与图案图尺寸完全一致
• 阈值图为单通道二值图（黑色像素值为0，白色像素值为255，非标准二值图可先做二值化处理）
• 图案图为3通道BGR格式（OpenCV默认读取格式）

实现代码 #

import cv2
import numpy as np

# 读取图像
# 单通道读取阈值图
thresh_img = cv2.imread("your_threshold_img_path.png", 0)
# 读取3通道图案图
pattern_img = cv2.imread("your_pattern_img_path.png")
# 将阈值图转为3通道作为结果底图
result_img = cv2.cvtColor(thresh_img, cv2.COLOR_GRAY2BGR)

# （可选）如果阈值图不是标准二值图，先执行二值化
# _, thresh_img = cv2.threshold(thresh_img, 127, 255, cv2.THRESH_BINARY)

# 生成黑色区域的布尔掩码：像素值为0的位置即为需要填充的区域
fill_mask = thresh_img == 0

# 直接将图案图对应掩码位置的像素赋值到结果图
result_img[fill_mask] = pattern_img[fill_mask]

# （可选）如果需要半透明叠加效果，替换上一步的赋值逻辑为以下代码，调整权重参数即可
# result_img[fill_mask] = cv2.addWeighted(result_img[fill_mask], 0.3, pattern_img[fill_mask], 0.7, 0)

# 保存结果
cv2.imwrite("result.png", result_img)

逻辑说明 #

• 布尔索引会自动匹配所有符合thresh_img == 0条件的像素位置，不管区域形状是否规则，都能精准替换
• 不需要做切片、轮廓提取等额外操作，运行效率极高，适配任意尺寸的输入图像
• 支持直接替换、半透明叠加两种效果，按需调整即可

内容的提问来源于stack exchange，提问作者TrueRandom