1.图像算术运算
参数含义:
src1:第一张图像
src2:第二张图像
dst:destination,目标图像,需要提前分配空间,可省略
mask:掩膜
scale:缩放比,常量
dtype:数据类型,默认等于-1
加 | 减 | 乘 | 除 |
cv2.add(src1,src2,dst,mask,dtype) | cv2.subtract(src1,src2,dst,mask,dtype) | cv2.multiply(src1,src2,dst,scale,dtype) | cv2.divide(src1,src2,dst,scale,dtype) |
dst = src1 + src2 | dst = src1 - src2 | dst = scale * src1 * src2 | dst = scale * src1 / src2 |
实例演示:
import cv2
import numpy as np
from matplotlib import pyplot as plt x = np.uint8([250])
y = np.uint8([10])
print(cv2.add(x, y)) #饱和运算
print(x + y) #求余运算(x+y)%255 img1 = cv2.imread('a.jpg') # 图片1
img2 = cv2.imread('b.jpg') # 图片2
add = cv2.add(img1, img2) # 两个图像相加
subtract = cv2.subtract(img1, img2) # 两个图像相减
multiply = cv2.multiply(img1, img2) # 两个图像相乘
divide = cv2.divide(img1, img2) # 两个图像相除 plt.subplot(231), plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB), 'gray'), plt.title('img1')
plt.subplot(232), plt.imshow(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB), 'gray'), plt.title('img2')
plt.subplot(233), plt.imshow(cv2.cvtColor(add, cv2.COLOR_BGR2RGB), 'gray'), plt.title('add')
plt.subplot(234), plt.imshow(cv2.cvtColor(subtract, cv2.COLOR_BGR2RGB), 'gray'), plt.title('subtract')
plt.subplot(235), plt.imshow(cv2.cvtColor(multiply, cv2.COLOR_BGR2RGB), 'gray'), plt.title('multiply')
plt.subplot(236), plt.imshow(cv2.cvtColor(divide, cv2.COLOR_BGR2RGB), 'gray'), plt.title('divide')
plt.show()
2.图像混合(线性加法)
这也是加法,不同的是两幅图像的权重不同,这会给人一种混合或者透明的感觉。图像混合的计算公式如下:
g(x) = (1−α)f0 (x)+αf1 (x)
通过修改α的值(0-->1),可以实现很酷的混合。
例:将两幅图像混合,第一幅权重为0.7.第二幅权重为0.3。函数cv2.addWeighed()可以按下面的公式对图片进行混合。
dst = α·img1 + β·img2+γ
这里γ的取值为0
import cv2
import numpy as np
img1=cv2.imread('45.jpg')
img2=cv2.imread('messigray.png') dst = cv2.addWeighted(img1,0.7,img2,0.3,0) cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
3.按位运算
这里包括按位操作有:AND,OR,NOT,XOR等,当我们提取图像的一部分,选择非矩形ROI时,会很有用。下面进行如何改变一幅图的特定区域。
(1)cv2.bitwise_and(src1,src2,dst,mask)
输出两个图像的交集:dst = src1 & src2
(2)cv2.bitwise_or(src1,src2,dst,mask)
输出两个图像的并集:dst = src1 | src2
(3)cv2.bitwise_not(src,dst,mask)
输出图像的非:dst = - src
(4)cv2.bitwise_xor(src1,src2,dst,mask)
输出两个图像的异或:dst = src1 ^ src2
import cv2
import numpy as np
from matplotlib import pyplot as plt img1 = cv2.imread('1.jpg')[0:375,0:500] # 图片1
img2 = cv2.imread('2.jpg') # 图片2
band = cv2.bitwise_and(img1, img2) # 两个图像求交
bor = cv2.bitwise_or(img1, img2) # 两个图像求并
bnot = cv2.bitwise_not(img1) # 图像求非
bxor = cv2.bitwise_xor(img1, img2) # 两个图像求异或 title = ['img1', 'img2', 'and', 'or', 'not', 'xor']
images = [img1, img2, band, bor, bnot, bxor]
for i in range(6):
plt.subplot(2, 3, i+1)
plt.imshow(cv2.cvtColor(images[i], cv2.COLOR_BGR2RGB), 'gray'), plt.title(title[i])
plt.show()