OpenCV+python：像素运算

一、数值运算（调节亮度，调整对比度）
OpenCV提供的图片色素的处理函数（运算的要求：两张图片的shape要一样）：
（1）相加：add()

（2）相减：subtract()

（3）相乘：divide()

（4）相除：multiply()

原理就是：通过获取两张（一次只能是两张）个图片的同一个位置的色素值来实现运算，黑色是0，白色为255，当大于255会为白色，小于0为黑色。

import cv2 as cv
 
   
  #数值运算：加减乘除
  def shu_image(src11, src22):
  src = cv.add(src11, src22)#加
  cv.imshow("add", src)
  src = cv.subtract(src11, src22)#减
  cv.imshow("subtract", src)
  src = cv.divide(src11, src22)#乘
  cv.imshow("divide", src)
  src = cv.multiply(src11, src22)#除
  cv.imshow("multiply", src)
    
    
   src1 = cv.imread("D:/images/demo1.png")
   src2 = cv.imread("D:/images/demo2.png")
   cv.imshow("11", src1)
   cv.imshow("22", src2)
   shu_image(src1, src2)
   cv.waitKey(0)
   cv.destroyAllWindows()

（5）获取各个通道的均值

 m = cv.mean(image)
 print(m)  #都过小则偏暗，单个过大的通道可认为是主色彩

（6）获取每个图像的方差

m,dev = cv.meanStdDev(image)    #返回均值和方差，分别对应3个通道
print(m)
print(dev)    过大说明像素间的差异就大

若dev小，则说明图片的色彩差异（对比性）是较小的，若整张图片同色，则方差是0，均值是0，可以用来查看扫描仪中是否有信息丢失（方差小于一个预值，则失效，丢弃）
二、逻辑运算（遮罩层控制）
1，opencv提供图片像素的处理函数：

与：bitwise_add() （类似于遮罩，当我们使用白色遮罩）

或：bitwise_or()

非：bitwise_not() （对一张图片取反）

异或：bitwise_xor()

import cv2 as cv
 
 
#逻辑运算：与或非的操作
def luo_image(src11, src22):
    src = cv.bitwise_and(src11, src22) # 两张图片同一位置的色素两个值均不为零的才会有输出
    cv.imshow("与", src)
    src = cv.bitwise_or(src11, src22)  # 两张图片同一位置的色素两个值不全为零的才会有输出
    cv.imshow("或", src)
    src = cv.bitwise_not(src11)        # 对一张图片操作  取反
    cv.imshow("非", src)
    src = cv.bitwise_xor(src11, src22) # 两张图片同一位置的色素两个值有一个为零，另一个不为零才会输出
    cv.imshow("异或", src)
 
   src1 = cv.imread("D:/images/demo1.png")
   src2 = cv.imread("D:/images/demo2.png")
   cv.imshow("11", src1)
   cv.imshow("22", src2)
   luo_image(src1, src2)
   cv.waitKey(0)
   cv.destroyAllWindows()

2，针对视频中inrange，先将image二值化，提取出目标对象，然后再与原图bitwise_and，就会把目标对象提取出来关于lower_hsv 和 upper_hsv 的取值参见下表：

import cv2 as cv
import numpy as np


def extrace_object_demo():                                 #追踪有颜色的对象
    capture = cv.VideoCapture("D:/vcprojects/images/video.mp4")
    while(True):
        ret, frame = capture.read()    #frame是每一帧图像，ret是返回值，为0是表示图像读取完毕
        if ret == False:
            break;
        hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV) 
        lower_hsv = np.array([37, 43, 46])
        upper_hsv = np.array([77, 255, 255])
        mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv) #该函数输出的dst是一幅二值化之后的图像（是将满足我们的图像对象所有位都设为1白色，不满足设置为0黑色）
        dst = cv.bitwise_and(frame, frame, mask=mask) #提取出目标对象，然后再与原图bitwise_and，就会把目标对象提取出来
        cv.imshow("video", frame)
        cv.imshow("mask", mask)
        cv.imshow("dst", dst)
        c = cv.waitKey(40)
        if c == 27: #退出
            break

3，调整亮度和对比度 addWeighted

def contrast_brightness_demo(image,c,b):
    '''
    :param image:   原图
    :param c:   对比度 是将像素乘与c,原来2，4---->4, 8  差距由2--->4导致对比增强
    :param b:   亮度  是将每个像素点加上相关亮度
    :return:
    '''
    h,w,ch = image.shape
    blank = np.zeros([h,w,ch],image.dtype)　　#创建一个全黑图像
    dst = cv.addWeighted(image,c,blank,1-c,b)
    cv.imshow("dst",dst)

说明

基本原理：两张图片合成。dst = src1alpha+src2beta+gamma
对比度：制造一个全黑(像素为0),通过权重相加，乘以倍数就会使像素之间的差异性成倍增大，对比度提升
亮度：+像素值，让图片像素往255靠近，(255,255,255)是白色，图片越来越亮

1、第1个参数，输入图片1，
2、第2个参数，图片1的融合比例
3、第3个参数，输入图片2
4、第4个参数，图片2的融合比例
5、第5个参数，偏差
6、第6个参数，输出图片