1. 使用numpy数组对OpenCV图像进行处理，可以更快地创建、修改和访问遮罩。

示例代码：

import cv2 import numpy as np

image = cv2.imread('image.jpg') mask = np.zeros_like(image)

绘制多边形

pts = np.array([[50,50],[100,100],[50,100]]) cv2.fillPoly(mask, [pts], (255,255,255))

将遮罩应用于原图像

masked_image = cv2.bitwise_and(image, mask)

2. 尽量避免使用循环遍历像素，可以使用OpenCV内置的函数快速进行操作，例如bitwise_and()函数实现位运算，可以快速对遮罩进行操作。

示例代码：

import cv2 import numpy as np

image = cv2.imread('image.jpg') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ret,mask = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)

求遮罩反转

mask_inv = cv2.bitwise_not(mask)

将原图像和遮罩进行位运算

masked_image = cv2.bitwise_and(image, image, mask=mask)

将背景图像和遮罩的反转进行位运算

background = cv2.imread('background.jpg') res = cv2.bitwise_and(background, background, mask=mask_inv)

将两个结果进行合并

final_image = cv2.add(masked_image, res)

3. 在对彩色图像进行遮罩处理时，可以将图像从BGR格式转换为HSV格式进行处理，这样不仅可以提高遮罩的准确性，还可以提高处理的效率。

示例代码：

import cv2 import numpy as np

image = cv2.imread('image.jpg') hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

设置遮罩范围

lower_range = np.array([0,0,0]) upper_range = np.array([255,255,100])

创建遮罩

mask = cv2.inRange(hsv, lower_range, upper_range)

将遮罩应用于原图像

masked_image = cv2.bitwise_and(image, image, mask=mask)