当前位置：首页 > article >正文

OpenCV学习（六）——图像算术运算（加法、融合与按位运算）

article 2024/11/15 16:01:15

图像算术运算

- 6. 图像算术运算
- - 6.1 图像加法
  - 6.2 图像融合
  - 6.3 按位运算

6. 图像算术运算

6.1 图像加法

OpenCV加法是饱和运算
Numpy加法是模运算

import cv2
import numpy as np

x = np.uint8([250])
y = np.uint8([10])

# OpenCV加法
print(cv2.add(x, y))  # 250+10 = 260 => 255

# Numpy加法
print(x+y)   # 250+10 = 260 % 256 = 4

请添加图片描述

6.2 图像融合

对图像赋予不同的权重，以使其具有融合或透明的感觉。

图像融合：dst = α*img1 + β*img2 + γ

cv2.addWeighted(src1, alpha, src2, beta, gamma, dst=None, dtype=None)

src1：图像1
alpha：图像1的权重
src2：图像2
beta：图像2的权重

import cv2
from matplotlib import pyplot as plt

# 读取图像
img1 = cv2.imread('lena.jpg')  # (512, 512, 3)
img2 = cv2.imread('opencv.jpg')  # (536, 536, 3)

print(img1.shape)
print(img2.shape)

# 改变尺寸
img2 = cv2.resize(img2, (512, 512))

# 图像融合：dst = α*img1 + β*img2 + γ
# α：img1的权重，β：img2的权重
dst = cv2.addWeighted(img1, 0.8, img2, 0.2, 0)

# 显示多张图像
plt.subplot(131), plt.title("1. img1"), plt.axis('off')
plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB))  # 显示 img1(RGB)
plt.subplot(132), plt.title("2. img2"), plt.axis('off')
plt.imshow(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB))  # 显示 img2(RGB)
plt.subplot(133), plt.title("dst. img3"), plt.axis('off')
plt.imshow(cv2.cvtColor(dst, cv2.COLOR_BGR2RGB))  # 显示 img2(RGB)
plt.show()

请添加图片描述

6.3 按位运算

这包括按位 AND、 OR、NOT 和 XOR 操作。

cv2.bitwise_and(src1, src2, dst=None, mask=None)计算两个数组或数组的逐元素按位连进行与运算

scr1，scr2：输入图像，可为灰度图或彩色图，src1 和 src2 大小需一样。
dst：输出图像，尺寸和类型与 src 保持一致。
mask：掩膜，只对 mask 设定的有效区域进行操作。

cv2.threshold(src, thresh, maxval, type, dst=None)图像阈值（见OpenCV学习（9））

src：源图像，应该为灰度图。
thresh：阈值，像素值小于阈值，则将其设置为0，否则将其设置为最大值。
maxval：分配给超过阈值的像素值的最大值。
type：提供了不同类型的阈值
- cv.THRESH_BINARY
- cv.THRESH_BINARY_INV
- cv.THRESH_TRUNC
- cv.THRESH_TOZERO
- cv.THRESH_TOZERO_INV
dst：输出图像

import cv2
from matplotlib import pyplot as plt

# 读取图像
img1 = cv2.imread('lena.jpg')  # (512, 512, 3)
img2 = cv2.imread('opencv.jpg')  # (536, 536, 3)

# 提取OpenCV标志，将其缩小后放在img1的左上角
img2 = cv2.resize(img2, (200, 200))
rows, cols, channels = img2.shape
# 创建roi区域
roi = img1[0:rows, 0:cols]
# 现在创建logo的掩码，并同时创建其相反掩码
img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
ret, mask = cv2.threshold(img2gray, 200, 255, cv2.THRESH_BINARY)
mask_inv = cv2.bitwise_not(mask)

# 现在将ROI中logo的区域涂黑，即像素值为0
img1_bg = cv2.bitwise_and(roi, roi, mask=mask)
# 仅从logo图像中提取logo区域
img2_fg = cv2.bitwise_and(img2, img2, mask=mask_inv)
# 将logo放入ROI并修改主图像
dst = cv2.add(img1_bg, img2_fg)
img1[0:rows, 0:cols] = dst

# 显示多张图像
plt.subplot(231), plt.title("mask. img1"), plt.axis('off')
plt.imshow(cv2.cvtColor(mask, cv2.COLOR_GRAY2RGB))  # 显示 img1(RGB)
plt.subplot(232), plt.title("mask_inv. img2"), plt.axis('off')
plt.imshow(cv2.cvtColor(mask_inv, cv2.COLOR_GRAY2RGB))  # 显示 img2(RGB)
plt.subplot(233), plt.title("img1_bg. img3"), plt.axis('off')
plt.imshow(cv2.cvtColor(img1_bg, cv2.COLOR_BGR2RGB))  # 显示 img2(RGB)

plt.subplot(234), plt.title("img2_fg. img4"), plt.axis('off')
plt.imshow(cv2.cvtColor(img2_fg, cv2.COLOR_BGR2RGB))  # 显示 img2(RGB)
plt.subplot(235), plt.title("dst. img5"), plt.axis('off')
plt.imshow(cv2.cvtColor(dst, cv2.COLOR_BGR2RGB))  # 显示 img2(RGB)
plt.subplot(236), plt.title("img1. img6"), plt.axis('off')
plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB))  # 显示 img2(RGB)
plt.show()