OpenCV学习笔记（4）——图像上的算术运算

学习图像上的算术运算，加法，减法，位运算等

1.图像加法

　　使用cv2.add()将两幅图像进行加法运算，也可以用numpy运算，直接img+img1。两幅图像的大小和类型必须一致，或者第二个图像可以是一个简单的标量值。

　　两种操作的本质区别在于OpenCV的加法是一种饱和操作，加到顶后就不在上升了；而Numpy是模操作，具体如下：

import numpy as np
import cv2

x = np.uint8([250])
y = np.uint8([10])
print(cv2.add(x,y))
print(x+y)　　

#[[255]]
#[4] 相当于(255+10)%256 = 4

在具体对两幅图像操作时会更加明显。一般来说OpenCV的结果会好一些，因此一般用OpenCV的函数

2.图像混合

即带权加法，可以将两幅图混合给人一种透明或者混合的感觉。具体公式很简单：

具体实现是用cv2.addWeighted()，例程如下：

import numpy as np
import  cv2

img1 = cv2.imread('20180705-153550.jpg')
img2 = cv2.imread('20180708-085334.jpg')

cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.waitKey(0)

dst = cv2.addWeighted(img1, 0.7, img2, 0.3,0)#第一个数字是第一幅图的权值，第二个数字是第二幅图的权值，最后一个是个常数γ值

cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

在使用这个函数时，注意两幅图必须尺寸要相同，否则会报错

3.按位运算

　　包括按位操作有：AND,OR,NOT,XOR等。提取图片一部分的时候会很有用。比如有要将一个logo的中间部分挖掉放到另一个图里，使用简单的ROI操作是办不到的。

import numpy as np
import  cv2

img1 = cv2.imread('5.jpg')
img2 = cv2.imread('2.jpg')

#先将背景图中和logo图大小相同的部分挖出来
rows, cols, channels = img2.shape
roi = img1[0:rows, 0:cols]
cv2.imshow('roi',roi)
cv2.waitKey(0)

img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)

#对logo图设置掩码或反掩码，方便后面从背景抠出logo部分，已及从logo图中单独抠出logo
ret,mask = cv2.threshold(img2gray,175,255,cv2.THRESH_BINARY)#threshold的用法，第一位为原图（只能是单通道图一般为灰度图），第二个是阈值，大于阈值的像素点取第三位的数字，最后一个是二值化操作类型
mask_inv = cv2.bitwise_not(mask)#按位NOT运算
cv2.imshow('mask',mask)
cv2.imshow('mask_inv',mask_inv)
cv2.waitKey(0)

#分别从背景中抠出logo的位置，以及从logo图中抠出logo
img1_bg = cv2.bitwise_and(roi,roi,mask = mask)#自己与自己AND运算，mask的作用在于前面两幅图AND后再与掩码做AND，使原图中掩码为1的像素变为1（全黑）
img2_fg = cv2.bitwise_and(img2,img2,mask = mask_inv)
cv2.imshow('bg',img1_bg)
cv2.imshow('fg',img2_fg)
cv2.waitKey(0)

dst = cv2.add(img1_bg,img2_fg)%结合背景和logo
img1[0:rows,0:cols] = dst

cv2.imshow('res',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

最终效果为

OpenCV学习笔记（4）——图像上的算术运算

猜你喜欢