Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 51 篇。
学在前面
第二次学习图像相关的运算操作了，希望你可以学到新的知识，俺也一样。
图像加法
图像处理中的加法运算，可以使用运算符 +，也可以使用 cv.add 函数。
补充的第一个知识点，就是在灰度图中，两种图像加法运算存在差异。
import cv2 as cvimport numpy as np
src1 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)src2 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)
print("src1 像素如下")print(src1)
print("src2 像素如下")print(src2)
print("src1 + src2 像素如下")print(src1+src2)
复制代码
使用 + 与 cv.add 函数得到的结果如下：
src1 像素如下[[ 27 119 55] [ 84 41 192] [140 167 153]]src2 像素如下[[ 97 19 184] [218 229 146] [160 67 221]]src1 + src2 像素如下[[124 138 239] [ 46 14 82] [ 44 234 118]]使用 cv.add 函数结果如下[[124 138 239] [255 255 255] [255 234 255]]
复制代码
对比之后，很容易发现差异，使用运算符 + 进行计算，140+160 = 300（对应位置灰度值相加），但是结果为 44，该值是 300 对 256 取的余数，所以结论是运算符 + 进行计算之后，最终得到的像素值如果大于 255 ，则要对 256 进行取模操作，对应的使用 cv.add 函数之后，结果保留最大值 255。针对灰度图片，可以执行下述代码，查看二者差异。
import cv2 as cvimport numpy as np
src1 = cv.imread("./51.jpg", 0)src2 = cv.imread("./51.jpg", 0)
src = src1+src2cv.imshow("src1+src2", src)
src = cv.add(src1, src2)cv.imshow("cv.add(src1, src2) ", src)
cv.waitKey()cv.destroyAllWindows()
复制代码
图像加权和
在计算两幅图像的像素之和的时候，可以考虑到权重因素。由以前的博客知道，该函数原型是：
dst = cv2.addWeighted(src1,alpha,src2,beta,gamma)
复制代码
其中 alpha 和 beta 是 src1 和 src2 的系数，它们的和可以等于 1，也可以不等于，参数 gamma 一般为 0，表示的是亮度调节，最终得到的图像是 dst = src1 x alpha + src2 x beta +gamma。
使用下述案例，可以简单了解该函数的运行原理与结果。
import cv2 as cvimport numpy as np
src1 = np.ones((3, 3), dtype=np.uint8) * 100src2 = np.ones((3, 3), dtype=np.uint8) * 10
gamma = 5
src3 = cv.addWeighted(src1, 0.6, src2, 0.4, gamma)print(src1)print(src2)print(src3)
复制代码
运行之后得到的结果如下：
[[100 100 100] [100 100 100] [100 100 100]][[10 10 10] [10 10 10] [10 10 10]][[69 69 69] [69 69 69] [69 69 69]]
复制代码
灰度值 69 由 100*0.6+10*0.4+5 得来。实际对两幅灰度图进行操作，可以得到如下结果：
import cv2 as cvimport numpy as np
src1 = cv.imread("./src1.jpg", 0)src2 = cv.imread("./src2.jpg", 0)
ret = cv.addWeighted(src1, 0.5, src2, 0.5, 0)cv.imshow("ret", ret)cv.waitKey()cv.destroyAllWindows()
复制代码
按位逻辑运算
在图像处理中，常见的位运算函数如下;
cv.bitwise_and：按位与；
cv.bitwise_or：按位或；
cv.bitwise_xor：按位异或；
cv.bitwise_not：按位取反。
按位与
位运算操作的是二进制数字，在无符号 8 位图像里面，按位与操作需要对应位置为 1 结果才为 1，否则都为 0。
bitwise_and 对应的函数原型是：
dst = cv.bitwise_and(src1,src2[,mask])
复制代码
src1 与 src2 都是输入值，mask 是掩膜，任何数值与 0 进行按位与操作，都会得到 0，任何数值与 255 进行按位与操作，都会得到数值本身，上述数值都是 8 位无符号数字。
可以通过生成一张灰度图进行测试。
import cv2 as cvimport numpy as np
gray_src = np.random.randint(0, 255, (7, 7), dtype=np.uint8)black_src = np.zeros((7, 7), dtype=np.uint8)black_src[3:7, 3:7] = 255
dst = cv.bitwise_and(gray_src, black_src)print("gray_src")print(gray_src)
print("black_src")print(black_src)
print("dst")print(dst)
复制代码
运行结果如下，注意右下角数值进行计算之后，得到的结果是原值。
gray_src[[163 207 197 64 54 181 28] [ 14 145 190 70 99 25 38] [ 44 221 109 115 229 222 200] [223 51 222 114 204 46 90] [216 98 47 47 151 15 196] [ 73 59 187 100 123 56 38] [177 105 237 8 129 64 30]]black_src[[ 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0] [ 0 0 0 255 255 255 255] [ 0 0 0 255 255 255 255] [ 0 0 0 255 255 255 255] [ 0 0 0 255 255 255 255]]dst[[ 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0] [ 0 0 0 114 204 46 90] [ 0 0 0 47 151 15 196] [ 0 0 0 100 123 56 38] [ 0 0 0 8 129 64 30]]
复制代码
循着这个案例，你可以实现对一副图像进行掩膜操作。
按位或
按位或与按位与用法基本一致，就是在进行二进制计算的时候，对应位有一个是 1，结果就是 1。
按位取反语按位异或
按位取反，计算方式是 1 变成 0,0 变成 1。按位异或操作，计算方式是二进制位如果对应都是 0 或者 1，那结果是 0，对应位置有一个 1，一个 0，结果是 1。后面的了解即可。
图像与数值的计算
在图像处理的加法运算中，cv.add 函数可以将图像与一个数值进行计算，例如下述代码：
import cv2 as cvimport numpy as np
src = np.ones((3, 3), dtype=np.uint8)*5print("src")print(src)
dst = cv.add(src, 5)dst1 = cv.add(5, src)print("dst")print(dst)
print("dst1")print(dst1)
复制代码
运算结果如下，得到了最后的效果，而且交换两个参数的位置，不影响最后的结果。
src[[5 5 5] [5 5 5] [5 5 5]]dst[[10 10 10] [10 10 10] [10 10 10]]dst1[[10 10 10] [10 10 10] [10 10 10]]
复制代码
橡皮擦的小节
希望今天的 1 个小时你有所收获，我们下篇博客见~
评论