4、像素运算

算术运算

加减乘除，但必须两个图像要一致，即cv.shape一致

def add_function(image1, image2):
    """
    像素相加：
        其中白色就是255，再加也是白色； 黑色是 0,
    """
    image = cv.add(image1, image2)
    cv.imshow("add", image)


def subtract_function(image1, image2):
    """
    像素相减：
        白色可以减去任何颜色;
        但是黑色减其他颜色为负数，根据无符号数uint8，负数都看做0
    """
    image = cv.subtract(image1, image2)
    cv.imshow("subtract", image)


def multiply_function(image1, image2):
    """
    像素相乘：
        根据像素模糊，白色区域附近不是平滑的，所以白色附近像素有花;
    """
    image = cv.multiply(image1, image2)
    cv.imshow("multiply", image)


def other(image):
    """
        图像均值,均值越高，证明色彩越多;
        方差：方差越小，色差越小，如果黑白图片的方差就很高了
    """
    image_mean, image_staddev = cv.meanStdDev(image)
    print("均值：\n %s" % image_mean)
    print("方差：\n %s" % image_staddev)

算术运算

---

逻辑运算，即按位与，或，非

def logic_function(image1, image2):
    and_image = cv.bitwise_and(image1, image2)  # 按位与
    or_image = cv.bitwise_or(image1, image2)  # 按位或
    non_image = cv.bitwise_not(image1)  # 按位非

    cv.imshow("and_image", and_image)
    cv.imshow("or_image", or_image)
    cv.imshow("non_image", non_image)

按位运算

---

改变亮度和对比度

def control_brightness(image, c, b):
    h, w, ch = image.shape
    blank = np.zeros([h, w, ch], image.dtype)

    # 按比例融合，image 的 c 比例，而 blank 的 1-c 比例
    dst = cv.addWeighted(image, c, blank, 1-c, b)
    cv.imshow("control_brightness", dst)

control_brightness(src, 1.5, 10)，亮度10，对比度1.5

---

control_brightness(src, 1.2, 100)，亮度100，对比度1.2