逍遥之韶

欲穷千里目，更上一层楼。

868 字

4 分钟

OpenCV：图像运算

2023-07-06

计算机视觉

OpenCV

/

数字图像处理

0. 参考图#

参考图1	参考图2

1. 加法运算#

通常情况下，在8位的灰度图像中，像素会用一个 8bit 数来表示，即像素值的范围是[0,255]。当两个像素值在进行加法运算时，求得的和很可能超过255，这时不同的加法运算策略得到的结果会不一样。

1.1 加号运算符#

使用 加号运算符 + 对 像素值 a 和 像素值 b 进行求和运算时，遵循以下规则：

{\begin{equation} a+b=\left\{ \begin{aligned} a+b, \quad a+b≤255\\ mod(a+b,256), \quad a+b>255\\ \end{aligned} \right. \end{equation}}

式中，mod()是取模运算，mod(a+b, 256)表示计算a与b的和，除以256取的余数。

1.2 cv.add()#

函数cv2.add()可以用来计算图像像素值相加的和。
- 函数原型：
  - val = cv2.add(像素值 a, 像素值 b, mask)
  - val = cv2.add(图像 a, 像素值 b, mask)
  - val = cv2.add(像素值 a, 图像 b, mask)
- 计算规则：

{\begin{equation} a+b=\left\{ \begin{aligned} a+b, \quad a+b≤255\\ 255, \quad a+b>255\\ \end{aligned} \right. \end{equation}}

1.3 cv.addWeighted()#

函数cv2.addWeighted()可以用来计算图像像素值相加的和，在计算两幅图像的像素值之和时，会将每幅图像的权重考虑进来。
- 函数原型：dst = cv2.addWeighted(src1, α, src2, β, γ)
- 计算规则： ${dst = saturate(src1 × \alpha + src2 × \beta + \gamma)}$
- 参数说明：
  - α：图像1的计算权重
  - β：图像2的计算权重
  - γ：亮度调节权重

1.4 示例#

1
import cv2
2

3
src_1 = cv2.imread("person-1.jpg")
4
src_2 = cv2.imread("person-2.jpg")
5

6
dst_3 = src_1 + src_2
7
dst_4 = cv2.add(src_1, src_2)
8
dst_5 = cv2.addWeighted(src_1, 0.6, src_2, 0.4, 0)
9

10
cv2.imwrite("1.jpg", dst_3)
11
cv2.imwrite("2.jpg", dst_4)
12
cv2.imwrite("3.jpg", dst_5)

+	cv2.add()	cv2.addWeighted()

2. 位运算#

2.1 `位与`运算#

函数cv2.bitwise_and()用于实现按位与运算
- 函数原型：dst = cv2.bitwise_and( src1, src2, mask )
- 计算规则：
  
  算子1 算子2 计算结果
  0 0 0
  0 1 0
  1 0 0
  1 1 1

算子1	算子2	计算结果
0	0	0
0	1	0
1	0	0
1	1	1

2.2 `位或`运算#

函数cv2.bitwise_or()用于实现按位或运算
- 函数原型：dst = cv2.bitwise_or( src1, src2, mask )
- 计算规则：
  
  算子1 算子2 计算结果
  0 0 0
  0 1 1
  1 0 1
  1 1 1

算子1	算子2	计算结果
0	0	0
0	1	1
1	0	1
1	1	1

2.3 `位非`运算#

函数cv2.bitwise_not()用于实现按位非运算
- 函数原型：dst = cv2.bitwise_not( src, mask )
- 计算规则：
  
  算子1 计算结果
  0 1
  1 0

算子1	计算结果
0	1
1	0

2.4 `位异或`运算#

函数cv2.bitwise_xor()用于实现按位异或运算
- 函数原型：dst = cv2.bitwise_xor( src1, src2, mask )
- 计算规则：
  
  算子1 算子2 计算结果
  0 0 0
  0 1 1
  1 0 1
  1 1 0

算子1	算子2	计算结果
0	0	0
0	1	1
1	0	1
1	1	0

2.5 示例#

1
import cv2
2

3
src_1 = cv2.imread("person-1.jpg")
4
src_2 = cv2.imread("person-2.jpg")
5
pixel_1 = src_1[1000, 1000, 1]
6
pixel_2 = src_2[1000, 1000, 1]
7
print("src_1的像素点：\t", pixel_1, ",", bin(pixel_1))
8
print("src_2的像素点：\t", pixel_2, ",", bin(pixel_2))
9

10
dst_3 = cv2.bitwise_and( src_1, src_2 )
11
pixel_3 = dst_3[1000, 1000, 1]
12
print("位与：\t\t", pixel_3, ",", bin(pixel_3))
13

14
dst_4 = cv2.bitwise_or( src_1, src_2 )
15
pixel_4 = dst_4[1000, 1000, 1]
16
print("位或：\t\t", pixel_4, ",", bin(pixel_4))
17

18
dst_5 = cv2.bitwise_not( src_1 )
19
pixel_5 = dst_5[1000, 1000, 1]
20
print("位与：\t\t", pixel_5, ",", bin(pixel_5))
21

22
dst_6 = cv2.bitwise_xor( src_1, src_2 )
23
pixel_6 = dst_6[1000, 1000, 1]
24
print("位异或：\t", pixel_6, ",", bin(pixel_6))
25

26
cv2.imwrite("4.jpg", dst_3)
27
cv2.imwrite("5.jpg", dst_4)
28
cv2.imwrite("6.jpg", dst_5)
29
cv2.imwrite("7.jpg", dst_6)

1
src_1的像素点：  189 , 0b10111101
2
src_2的像素点：  247 , 0b11110111
3
位与：          181 , 0b10110101
4
位或：          255 , 0b11111111
5
位与：           66 , 0b01000010
6
位异或：         74 , 0b01001010

位与	位或	位非	位异或

3. 掩膜#

当使用掩模参数时，操作只会在掩模值为非空的像素点上执行，同时，将其他像素点的值置为0。

3.1 示例#

1
import cv2
2
import numpy as np
3

4
img_1 = np.ones((4,4), dtype=np.uint8) * 3
5
img_2 = np.ones((4,4), dtype=np.uint8) * 5
6
mask = np.zeros((4,4), dtype=np.uint8)
7
mask[2:4, 2:4] = 1
8

9
img_3 = cv2.add(img_1, img_2, mask=mask)

输入图：img_1	输入图：img_2	掩膜：mask
[[3 3 3 3], [3 3 3 3], [3 3 3 3], [3 3 3 3]]	[[5 5 5 5], [5 5 5 5], [5 5 5 5], [5 5 5 5]]	[[0 0 0 0], [0 0 0 0], [0 0 1 1], [0 0 1 1]]

输出图：img_3
[[0 0 0 0], [0 0 0 0], [0 0 8 8], [0 0 8 8]]

OpenCV：图像金字塔

OpenCV：直方图

有朋自远方来，不亦乐乎？