### 使用Python实现二值化图像作为掩模并设置背景为白色的图像分割 为了完成这一任务，可以按照以下逻辑编写代码： 1. **加载图像**：使用 `cv2.imread` 加载原始图像，并将其转换为 RGB 格式以便于显示。 2. **创建二值化掩模**：通过对图像应用某种二值化方法（如全局阈值法、OTSU 法等），生成一个二值化的掩模图像。 3. **应用掩模**：将二值化掩模应用于原图，保留感兴趣区域的同时将其他区域替换为白色。 以下是完整的 Python 实现代码： ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 读取原始图像 img = cv2.imread('image_path_here', cv2.IMREAD_COLOR) # 替换 'image_path_here' 为实际路径 if img is None: raise ValueError("无法加载图像，请检查文件路径") # 将 BGR 转换为 RGB 和灰度图像 rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 应用 OTSU 方法进行二值化 _, binary_mask = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) # 创建一个全白的背景图像 white_background = np.ones_like(rgb_img) * 255 # 白色 (R=255, G=255, B=255) # 使用二值化掩模分离前景和背景 segmented_image = np.where(binary_mask[:, :, None], rgb_img, white_background) # 显示结果 plt.figure(figsize=(15, 10)) plt.subplot(1, 3, 1), plt.title("Original Image"), plt.axis('off'), plt.imshow(rgb_img) plt.subplot(1, 3, 2), plt.title("Binary Mask"), plt.axis('off'), plt.imshow(binary_mask, cmap='gray') plt.subplot(1, 3, 3), plt.title("Segmented Image"), plt.axis('off'), plt.imshow(segmented_image / 255.) plt.tight_layout() plt.show() # 可选：保存分割后的图像 cv2.imwrite('segmented_image.png', cv2.cvtColor((segmented_image).astype(np.uint8), cv2.COLOR_RGB2BGR)) ``` #### 关键点解析 - **二值化掩模生成**：这里采用了 Otsu 阈值法[^2]，这是一种自动计算最佳阈值的方法，适用于大多数场景下的图像分割需求。如果需要手动指定阈值，则可改用 `cv2.threshold` 的基本形式。 - **掩模应用**：通过 NumPy 的布尔索引功能 (`np.where`)，可以根据掩模条件选择性地覆盖像素值。当掩模对应位置为 True 时，保留原图；否则替换成白色背景。 - **可视化与存储**：最终结果显示在 Matplotlib 中，并提供选项保存分割后的图像到本地磁盘。 此方法能够有效提取目标对象并与纯白背景相结合，从而达到清晰展示的效果[^3]。 ---