一起养成写作习惯！这是我参加「日新方案 6 月更文应战」的第18天，点击检查活动详情。
欢迎关注我的大众号 [极智视界]，获取我的更多笔记共享
大家好，我是极智视界，本文介绍一下 图画处理中对掩膜 mask 和 ROI 的了解。
掩膜的概念之前在传统图画处理顶用的比较多，而进来深度学习中比较火热的如：(1) 自监督顶用 mask 做一些 类似 “完形填空” 的数据增强；(2) swin transformer 等新模型中关于 mask 的一些应用等。以上能够看出 mask 在深度学习范畴也能发展重要作用。为了更好的表达，这里我们用传统图画处理的方法来介绍 mask 和 ROI，和深度学习中使用的 mask 原理上是相同的。
1. 对 ROI 的了解
对 ROI 的了解较简单，ROI 即感兴趣区域，即要操作的区域。
2. 对掩模的了解
- 掩模是 8 位单通道图画 (灰度图 / 二值图)；
- 掩模某个方位假如为 0，则在此方位上的操作不起作用；
- 掩模某个方位假如不为 0，则在此方位上的操作会起作用，即 ROI 区域；
- 能够用来提取不规则 ROI；
暗示：
source mask dst
125 100 85 0 0 0 0 0 0
66 25 35 0 255 0 0 25 0
120 125 100 0 0 0 0 0 0
3. 为什么要用图画掩模
关于规则的 ROI，比方最常用的正矩形（Rect）来说能够很容易获取到感兴趣区域的图画数据，如下：
for(int y = rect.tl().y; y < rect.br().y; ++y)
{
uchar* imgRow = img.data + y * img.step;
for(int x = rect.tl().x; x < rect.br().x; ++x)
{
imgRow[x]...
}
}
可是关于不规则的 ROI，则很难直接提取到感兴趣区域内的图画数据，这个时分掩模的作用就体现出来了。假定掩模图画尺度和源图画的巨细共同，则：
cv::Mat dst = cv::Mat::zeros(Size(img.cols, img.rows), CV_8UC1);
for(int y = 0; y < img.rows; ++y)
{
uchar* imgRow = img.data + y * img.step;
uchar* maskRow = mask.data + y * img.step;
uchar* dstRow = dst.data +y * img.step;
for(int x = 0; x < img.cols; ++x)
{
if(maskRow[x] > 0)
{
dstRow[x] = imgRow[x]...
}
}
}
4. 使用掩膜进行图画交融
使用掩模完成图画交融示例：
以大将右侧 opencv 的 Logo 交融到左边 车辆图画中，能够发现一个特点是：opencv Logo 是不规则的，这个时分用一个和 右侧原图相同巨细的 mask 来做掩膜是很合适的。图画交融后的作用如下：
好了，以上共享了 图画处理中对掩膜 mask 和 ROI 的了解，希望我的共享能对你的学习有一点协助。
【大众号传送】
《极智AI | 图画处理中对掩膜 mask 和 ROI 的了解》
