引言

在圖像處理中，掩膜(Mask)是一個非常重要的概念，它允許我們選擇性地處理圖像的特定區域。今天，我將通過一個實際的例子來展示如何使用OpenCV和Python對手機圖像進行掩膜處理并分析其直方圖。

1. 準備工作

首先，我們需要導入必要的庫：

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

2. 加載并顯示原始圖像

我們首先加載一張名為"phone.png"的圖像，并將其轉換為灰度圖：

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

cv2.IMREAD_GRAYSCALE參數告訴OpenCV以灰度模式加載圖像。cv2.imshow()用于顯示圖像，cv2.waitKey(0)則等待用戶按鍵后才繼續執行。

• 圖像顯示如下：

3. 創建掩膜

接下來，我們創建一個與原始圖像大小相同的全黑圖像作為掩膜基礎：

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

這里，我們在掩膜上定義了一個矩形區域(從y=50到350，x=100到470)，并將該區域設置為白色(255)，其余部分保持黑色(0)。這個白色矩形就是我們的感興趣區域(ROI)。

• 圖片顯示如下：

3. 應用掩膜

使用按位與操作將掩膜應用到原始圖像上：

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

cv2.bitwise_and()函數執行按位與操作，由于我們使用了相同的圖像作為兩個輸入，實際上就是使用掩膜來選擇圖像的部分區域。在掩膜為白色的區域，原始圖像內容會被保留；在掩膜為黑色的區域，結果圖像對應位置會被置為0(黑色)。

• 圖片顯示如下：

5. 計算并顯示直方圖

最后，我們計算掩膜區域內圖像的直方圖：

phone_hist_mask = cv2.calcHist([phone], [0], mask, [256], [0,256])
plt.plot(phone_hist_mask)  # 使用calcHist的值繪制曲線圖
plt.show()

cv2.calcHist()函數的參數解釋：

• [phone]: 輸入圖像列表
• [0]: 計算直方圖的通道索引(灰度圖只有0通道)
• mask: 使用的掩膜
• [256]: 直方圖的bin數量
• [0,256]: 像素值范圍

然后我們使用Matplotlib的plt.plot()函數繪制直方圖曲線，plt.show()顯示圖表。

• 直方圖顯示如下：

6. 結果分析

通過這個過程，我們可以：

1. 清晰地看到原始手機圖像
2. 觀察我們定義的掩膜區域
3. 查看應用掩膜后的效果(只有ROI區域可見)
4. 分析ROI區域的像素值分布(直方圖)

直方圖可以幫助我們了解圖像的對比度、亮度分布等信息，對于后續的圖像處理(如閾值分割、對比度增強等)非常有幫助。

7. 總結

通過這個簡單的例子，我們學習了如何使用OpenCV進行基本的圖像掩膜操作和直方圖分析。這些技術是更復雜圖像處理任務的基礎，掌握它們將為你的計算機視覺之旅打下堅實基礎。

希望這篇博客對你有所幫助！如果你有任何問題或建議，歡迎在評論區留言。