1 图像的算术运算
1.1 图像的加法运算
1.2 图像的减法运算
1.3 图像的融合
2 OpenCV的位运算
2.1 非操作
2.2 与运算
2.3 或和异或
1 图像的算术运算
1.1 图像的加法运算
- add opencv使用add来执行图像的加法运算
图片就是矩阵, 图片的加法运算就是矩阵的加法运算, 这就要求加法运算的两张图shape必须是相同的.
# 图片加法
import cv2
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
# 加法要求两个图片大小一致
print(cat.shape)
print(dog.shape)
# 把猫的图片变小
# 注意坑. opencv中resize中传递新的宽度和高度, 先宽度再高度, 所有是先列后行, 和shape的输出反了.
new_cat = cv2.resize(cat, (dog.shape[:-1][::-1]))
# 和单个数字运算, 超过255 会被截断, 相当于 % 256
print(new_cat[0:5, 0:5])
print(new_cat[0:5, 0:5] + 100)
cv2.imshow('cat_dog', np.hstack((new_cat, dog)))
# 加法, 加法的效果是加起来如果超过255, 统一变成255
new_img = cv2.add(new_cat, dog)
print(new_img[0:5, 0:5])
cv2.imshow('cat_dog', np.hstack((new_cat, dog, new_img)))
cv2.waitKey(0)
cv2.destroyAllWindows()
1.2 图像的减法运算
-
subtract
-
opencv使用subtract来执行图像的减法运算, 图像对应位置的元素相减, 如果减完小于0, 统一变成0.
# 图片减法
import cv2
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
# 加法要求两个图片大小一致
print(cat.shape)
print(dog.shape)
# 把猫的图片变小
# 注意坑. opencv中resize中传递新的宽度和高度, 先宽度再高度, 所有是先列后行, 和shape的输出反了.
new_cat = cv2.resize(cat, (dog.shape[:-1][::-1]))
# 减法
new_img = cv2.subtract(new_cat, dog)
print(new_cat[0:5, 0:5], dog[0:5, 0:5])
print(new_img[0:5, 0:5])
cv2.imshow('cat_dog', np.hstack((new_cat, dog, new_img)))
cv2.waitKey(0)
cv2.destroyAllWindows()
- 同样的还有乘法, 除法运算. cv2.mutiply, cv2.divide, 原理是类似的.
1.3 图像的融合
-
cv2.addWeighted(src1, alpha, src2, beta, gamma)
-
图片的融合操作相当于对图片进行线性运算 w1* x1 + w2 * x2 + b. 其中alpha是第一个权重参数, beta是第二个权重参数, gamma是偏差.
import cv2 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg') new_cat = cv2.resize(cat, (dog.shape[:-1][::-1])) # 相当于res = new_cat * 0.4 + dog * 0.6 + 0 res = cv2.addWeighted(new_cat, 0.4, dog, 0.6, 0) cv2.imshow('cat_dog', np.hstack((new_cat, dog, res))) cv2.waitKey(0) cv2.destroyAllWindows()
2 OpenCV的位运算
2.1 非操作
-
bitwise_not(img) 非操作的效果就相当于是用 255 - img
import cv2 import numpy as np cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg') cat_not = cv2.bitwise_not(cat) cat_not_not = cv2.bitwise_not(cat_not) cv2.imshow('not', np.hstack((cat, cat_not, cat_not_not))) print(cat[:3, :3]) print(cat_not[:3, :3]) print(cat_not_not[:3, :3] cv2.waitKey(0) cv2.destroyAllWindows()
2.2 与运算
-
bitwise_and(img1, img2) 与运算, 图片对应位置元素进行与操作. 表现出来的效果就是黑和黑与还是黑, 白和白与还是白.
import cv2 import numpy as np cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg') new_cat = cv2.resize(cat, (dog.shape[:-1][::-1])) cat_and_dog = cv2.bitwise_and(new_cat, dog) cv2.imshow('not', np.hstack((new_cat, cat_and_dog))) print('cat:', new_cat[:3, :3]) print('-----------') print('dog:', dog[:3, :3]) print('-----------') print(cat_and_dog[:3, :3]) cv2.waitKey(0) cv2.destroyAllWindows()
2.3 或和异或
-
bitwise_or 或运算 对应元素做或运算
-
bitwise_xor 异或运算 对应元素做异或运算
import cv2 import numpy as np #创建一张图片 img = np.zeros((200,200), np.uint8) img2 = np.zeros((200,200), np.uint8) img[20:120, 20:120] = 255 img2[80:180, 80:180] = 255 #new_img = cv2.bitwise_bit(img) #new_img = cv2.bitwise_and(img, img2) #new_img = cv2.bitwise_or(img, img2) new_img = cv2.bitwise_xor(img, img2) cv2.imshow('new_img', new_img) cv2.imshow('img', img) cv2.imshow('img2', img2) cv2.waitKey(0)