1. 图像运算概念

在计算机的世界里，图像由一个个像素点组成，每个像素点代表一个数字，并且数字的大小代表像素点的颜色，所有像素点的颜色组成了一个图像。因此，使用矩阵可以很好的表示图像。
OpenCV提供的运算方法就是基于矩阵的运算。

2. 图像运算

2.1 add()

将两张图片相加（矩阵的各个像素点分别对应相加）
result = cv2.add(img1,img2)
参数：两张大小完全相同的图片。
返回值计算过后的图片（深拷贝）

把lina图4的左上角部分截取了在图1中，然后与girl图2相加，得到如图3的结果

2.2 substract()

将两个图片做差（矩阵的各个像素点分别对应相减）
result = cv2.subtract(img1,img2)
参数：img1-img2
结果保存在一个新参数中（深拷贝）

图像1和2作差后，亮度降低

部分代码示例：

import cv2
import numpy as np


img1 = cv2.imread('./image/girl.png')
img2 = cv2.imread('./image/lina.jpg')
# 打印两个图片的参数
print(img1.shape)
print(img2.shape)

# 创建像素点为1的矩阵，并且每个像素点都乘50
img3 = np.ones((185, 185, 3), np.uint8)*100

# img2过大，我们截取部分图像,让region与img1一样大
# 截取为深拷贝，对截取的图像运算，并不改变原图像
region = img2[0:185, 0:185]
# 将两个图像运算
result = cv2.add(img1, region)
# 降低图片的亮度
low_light_result = cv2.subtract(result, img3)
# 展示图片
# cv2.imshow("img1", img1)
# cv2.imshow("img2", img2)
# cv2.imshow("region", region)
cv2.imshow('result', result)
cv2.imshow('img3', img3)
cv2.imshow('low_light_result', low_light_result)

cv2.waitKey(0)

2.3 multiply()/divide()

矩阵乘法（将两个矩阵各个像素点分别相乘）
result = cv2.multiply(img1,img2)
矩阵除法（将两个矩阵的各个像素点分别相除）
result = cv2.divide()

2.4 addWeighted()

图像融合，按权重相加
result = cv2.addWeighted(A,alpha，B，bate，gamma)
参数：alpha：A的权重；bate：B的权重；gamma：静态权重（运算完以后再加gamma）

将图1按0.2，图2按0.8的权重相加得到图3

部分代码展示

import cv2
import numpy as np


img1 = cv2.imread('./image/girl.png')
img2 = cv2.imread('./image/lina.jpg')
# 打印两个图片的参数
print(img1.shape)
print(img2.shape)

# img2过大，我们截取部分图像,让region与img1一样大
# 截取为深拷贝，对截取的图像运算，并不改变原图像
region = img2[0:185, 0:185]


# 展示图片
cv2.imshow("img1", img1)
cv2.imshow("region", region)

# 图像融合
result = cv2.addWeighted(region, 0.2, img1, 0.8, 0)

cv2.imshow('result', result)

cv2.waitKey(0)

2.5 与/或/非

这里的逻辑运算和我们熟知的其他语言的逻辑运算是一致的。是将矩阵的各个像素点分别进行逻辑运算。

bitwise_and()

图像的按位与运算
result = cv2.bitwise_and(img1，img2)

bitwise_or()

图像的按位或运算
result = cv2.bitwise_or(img1，img2)

bitwise_not()

图像的非运算
result = cv2.bitwise_not(img)

bitwise_xor

图像的按位异或运算(相同为0，相异为1)
result = cv2.bitwise_xor(img1，img2)

部分代码展示

import cv2
import numpy as np

# 创建一个全0图像
img1 = np.zeros((400, 400, 3), np.uint8)
img2 = np.zeros((400, 400, 3), np.uint8)

# 将两幅图部分变成白色
img1[100:200, 100:200] = [255, 255, 255]
img2[150:250, 150:250] = [255, 255, 255]
cv2.imshow('img1', img1)
cv2.imshow('img2', img2)

# 位运算
img_and = cv2.bitwise_and(img1, img2)
cv2.imshow('img_and', img_and)
img_or = cv2.bitwise_or(img1, img2)
cv2.imshow('img_or', img_or)
img_not = cv2.bitwise_not(img1)
cv2.imshow('img_not', img_not)
img_xor = cv2.bitwise_xor(img1, img2)
cv2.imshow('img_xor', img_xor)



cv2.waitKey(0)

代码结果如下所示：

3.给一幅图像添加水印

下面将展示给图片添加水印的大致步骤：

1. 引入一幅图片lina
2. 要准备一个logo，自己创建
3. 计算在图片的什么地方添加，把添加的地方变成黑色
4. 利用add，将logo与图片叠加在一起

import cv2
import numpy as np

img = cv2.imread('./image/lina.jpg')
col, row, chanles = img.shape

# 创建logo
logo = np.zeros((80, 80, 3), np.uint8)
mask1 = np.zeros((80, 80), np.uint8)# 只有一通道，是灰度图
# 画logo
logo[10:40, 10:40] = [0, 0, 255]
logo[30:70, 30:70] = [0, 255, 0]
# 为了将图片中的部分截取下来，把logo的地方给弄黑
mask1[10:40, 10:40] = 255
mask1[30:70, 30:70] = 255
mask1 = cv2.bitwise_not(mask1)
# 截取图像部分
region_img = img[0:80, 0:80]
# 单通道图像与三通道图像运算，智能这样运算。
mask1 = cv2.bitwise_and(region_img, region_img, mask = mask1)

finish_logo = cv2.add(logo, mask1)
# 将处理好的mask1与原图像赋值(添加成功)
img[0:80, 0:80] = finish_logo

cv2.imshow('img', img)
# cv2.imshow('logo', logo)
# cv2.imshow('mask1', mask1)
# cv2.imshow('fin_logo',finish_logo)

cv2.waitKey(0)

如图，在左上角添加了一个logo

以上就是关于图像运算的基本API，难免会有解释不清的地方，有问题欢迎在评论区讨论。