?一、简述ROI及mask(掩模)技术
1、ROI（region of interest）——感兴趣区域
用途：这个区域是图像分析所关注的重点。圈定这个区域，以便进行进一步的处理。而且，使用ROI指定想读入的目标，可以减少处理时间，增加精度，给图像处理带来不小的便利。
2、利用mask(掩模)技术提取纯色背景图像ROI区域中的人和物，并将提取出来的人或物添加在其他图像上。
二、实现原理
先通过cvtColor函数，将原RGB彩色图像转换成hsv色彩风格，然后通过inRange()函数获得ROI区域的mask，接着利用bitwise_not()函数将mask图像取反，最后利用copyTo函数将取反后的图像拷贝到新的图像上。
三、函数原型
1、cvtColor函数
- image为要进行色彩空间转换的原图
- hsv为转换后的图片
- COLOR_BGR2HSV为转换类型，即将原图RGB色彩空间转换为HSV色彩空间
注：HSV即Hue(色调),Saturation(饱和度)和Value(亮度)
2、inRange函数
作用：inRange函数可实现二值化功能，更关键的是可以同时针对多通道进行操作，使用起来非常方便
c++原型：
- 参数一：输入要处理的图像，可以为单通道或多通道
- 参数二：包含下边界的数组或标量
- 参数三：包含上边界数组或标量
- 参数四：输出图像，与输入图像src 尺寸相同且为CV_8U 类型
注意：该函数输出的dst是一幅二值化之后的图像
inRange函数通过设置不同的h、s、v的min和max阈值可以获取不同色彩的一个二值的mask图，下图为各颜色的阈值表：
inRange函数补充：
1、针对单通道图像
dst(I) = lowerb(I)0 ≤ src(I)0 < upperb(I)0
即，如果一幅灰度图像的某个像素的灰度值在指定的高、低阈值范围之内，则在dst图像中令该像素值为255，否则令其为0，这样就生成了一幅二值化的输出图像。2、针对三通道图像
dst(I) = lowerb(I)0 ≤ src(I)0 < upperb(I)0 ∧ lowerb(I)1 ≤ src(I)1 < upperb(I)1 ∧lowerb(I)2 ≤ src(I)2 < upperb(I)2
即，每个通道的像素值都必须在规定的阈值范围内！3、inRange函数类似threshold()函数【去掉噪，例如过滤很小或很大像素值的图像点】
3、copyTo函数
OpenCV中image.copyTo()有两种形式：
1、image.copyTo(image_roi)，作用是把image的内容复制到imageROI；
2、image.copyTo(image_roi，mask),作用是把原图(image)和掩膜(mask)与运算后得到ROI区域(image_roi)。
mask就是位图，如果mask像素的值是非0的，我就拷贝它，否则不拷贝。（非零的位置就是原图中的那些需要拷贝的部分)
?
四、实现效果
1、二值化之后的图像mask
2、图像取反
3、将掩膜（提取到的ROI区域）拷贝到新图像上
五、代码
void test1::inRange_demo(Mat &image)
{
Mat hsv;
cvtColor(image,hsv,COLOR_BGR2HSV);//将原图RGB色彩空间转换为HSV色彩空间
//提取mask
Mat mask;
inRange(hsv,Scalar(35,43,46),Scalar(77,255,255),mask);//二值化之后的图像mask
imshow("mask1",mask);
Mat blueBack = Mat::zeros(image.size(),image.type());
blueBack = Scalar(211,35,35);
bitwise_not(mask,mask);
imshow("mask2",mask);
//只有那些像素在mask上面不为0的像素点才会被提取到新图像上，也就是图像取反之后的白色部分（人物），为0的就不要了(黑色背景部分)
image.copyTo(blueBack,mask);//将掩膜（提取到的ROI区域）拷贝到新图像blueBack上
imshow("ROI eara",blueBack);
}补充：
为什么取反色？
因为现在提取的背景是绿色，绿色是1，代表背景在这个遮罩上面是1 的像素的可变形，可以被拷贝，而人的区域是黑色，就不可以被拷贝，所以先给他取反，取反之后就可以拷贝人的部分（黑变白），然后把抠出来的人贴到另一张图上去。
为什么放绿幕？
为什么网红主播在播一个东西的时候，后面放一个绿幕，然后背景就可以任意切换，这是非常简单的，如果再加上融合技术就会达到一个很好的效果。?当然现在用深度学习做出来的就会有更好的像素融合，精度更高。在RGB色彩空间，我们很难准确去提取这些像素值，因为分布的颜色太广，所以放到HSV像素空间只有HS控制颜色，就很容易进行提取。所以当你看到一个单一颜色的时候，你第一反应应该是把他转到色彩辨识度的色彩空间里面去，比如HSV LAB HSI，处理完之后再返回RGB。