问题1：裁剪后背景呈现黑色而非白色 #

你当前用cv2.bitwise_and结合全黑mask的方式，本质是把mask中黑色（像素值0）对应的原图像素全部置为0，也就是黑色。要实现白色背景，更直接的方式是先创建一张全白的画布，再把你需要保留的矩形区域从原图像复制到这张白画布上。

问题2：直方图仅显示零点处的竖线 #

这有两个核心原因：

• cv2.imread读取的图像是BGR格式，直接对整个图像ravel()会把三个通道的像素混合统计，结果没有参考性；
• 原代码处理后的图像大部分区域是黑色（像素值0），所以直方图自然只会在0位置出现高峰。我们需要转成RGB格式后分通道绘制直方图，才能看到真实的像素分布。

调整后的完整代码 #

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取目标图像（cv2默认以BGR格式读取）
image = cv2.imread("Screenshot from 2019-11-08 22-02-27.png")

# 创建与原图像尺寸、通道数一致的全白背景图
white_background = np.ones_like(image) * 255

# 定义要保留的矩形区域坐标（x1,y1）到（x2,y2）
x_start, y_start = 0, 185
x_end, y_end = 1900, 773

# 将原图像的目标区域复制到全白背景上
white_background[y_start:y_end, x_start:x_end] = image[y_start:y_end, x_start:x_end]

# 保存处理后的图像
cv2.imwrite("processed.png", white_background)

# 用matplotlib显示图像：需将BGR转成RGB格式，否则颜色显示异常
plt.imshow(cv2.cvtColor(white_background, cv2.COLOR_BGR2RGB))
plt.show()

# 绘制分通道的RGB直方图
rgb_image = cv2.cvtColor(white_background, cv2.COLOR_BGR2RGB)
# 拆分RGB三个通道
red_channel, green_channel, blue_channel = cv2.split(rgb_image)

# 分别绘制每个通道的直方图，添加透明度方便区分
plt.hist(red_channel.ravel(), 256, [0, 256], color='red', alpha=0.5, label='Red')
plt.hist(green_channel.ravel(), 256, [0, 256], color='green', alpha=0.5, label='Green')
plt.hist(blue_channel.ravel(), 256, [0, 256], color='blue', alpha=0.5, label='Blue')

plt.xlabel('Pixel Intensity')
plt.ylabel('Number of Pixels')
plt.legend()
plt.show()

关键说明 #

• 全白背景的创建：np.ones_like(image)*255确保背景和原图像的尺寸、通道数完全匹配，避免出现拼接错误；
• 颜色格式转换：matplotlib默认使用RGB格式显示图像，而OpenCV读取的是BGR，必须转换后才能正确显示颜色；
• 分通道直方图：拆分通道后单独统计，能清晰看到每个颜色通道的像素分布情况，解决了原代码中混合通道导致的异常。

内容的提问来源于stack exchange，提问作者neji123