引言

在图像处理中，掩膜(Mask)是一个非常重要的概念，它允许我们选择性地处理图像的特定区域。今天，我将通过一个实际的例子来展示如何使用OpenCV和Python对手机图像进行掩膜处理并分析其直方图。

1. 准备工作

首先，我们需要导入必要的库：

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

2. 加载并显示原始图像

我们首先加载一张名为"phone.png"的图像，并将其转换为灰度图：

phone = cv2.imread('phone.png', cv2.IMREAD_GRAYSCALE)
cv2.imshow('phone', phone)
cv2.waitKey(0)

cv2.IMREAD_GRAYSCALE参数告诉OpenCV以灰度模式加载图像。cv2.imshow()用于显示图像，cv2.waitKey(0)则等待用户按键后才继续执行。

• 图像显示如下：

3. 创建掩膜

接下来，我们创建一个与原始图像大小相同的全黑图像作为掩膜基础：

mask = np.zeros(phone.shape[:2], np.uint8)  # 创建黑白图像，用于制作mask
mask[50:350, 100:470] = 255
cv2.imshow('mask', mask)
cv2.waitKey(0)

这里，我们在掩膜上定义了一个矩形区域(从y=50到350，x=100到470)，并将该区域设置为白色(255)，其余部分保持黑色(0)。这个白色矩形就是我们的感兴趣区域(ROI)。

• 图片显示如下：

3. 应用掩膜

使用按位与操作将掩膜应用到原始图像上：

phone_mask = cv2.bitwise_and(phone, phone, mask=mask)
cv2.imshow('phone_mask', phone_mask)
cv2.waitKey(0)

cv2.bitwise_and()函数执行按位与操作，由于我们使用了相同的图像作为两个输入，实际上就是使用掩膜来选择图像的部分区域。在掩膜为白色的区域，原始图像内容会被保留；在掩膜为黑色的区域，结果图像对应位置会被置为0(黑色)。

• 图片显示如下：

5. 计算并显示直方图

最后，我们计算掩膜区域内图像的直方图：

phone_hist_mask = cv2.calcHist([phone], [0], mask, [256], [0,256])
plt.plot(phone_hist_mask)  # 使用calcHist的值绘制曲线图
plt.show()

cv2.calcHist()函数的参数解释：

• [phone]: 输入图像列表
• [0]: 计算直方图的通道索引(灰度图只有0通道)
• mask: 使用的掩膜
• [256]: 直方图的bin数量
• [0,256]: 像素值范围

然后我们使用Matplotlib的plt.plot()函数绘制直方图曲线，plt.show()显示图表。

• 直方图显示如下：

6. 结果分析

通过这个过程，我们可以：

1. 清晰地看到原始手机图像
2. 观察我们定义的掩膜区域
3. 查看应用掩膜后的效果(只有ROI区域可见)
4. 分析ROI区域的像素值分布(直方图)

直方图可以帮助我们了解图像的对比度、亮度分布等信息，对于后续的图像处理(如阈值分割、对比度增强等)非常有帮助。

7. 总结

通过这个简单的例子，我们学习了如何使用OpenCV进行基本的图像掩膜操作和直方图分析。这些技术是更复杂图像处理任务的基础，掌握它们将为你的计算机视觉之旅打下坚实基础。

希望这篇博客对你有所帮助！如果你有任何问题或建议，欢迎在评论区留言。