opencv2——图像上的算术运算4

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
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:

 1 import cv2
 2 import numpy as np
 3 from matplotlib import pyplot as plt
 4 
 5 x = np.uint8([250])
 6 y = np.uint8([10])
 7 print(cv2.add(x, y))  #饱和运算
 8 print(x + y)   #求余运算(x+y)%255
 9 
10 img1 = cv2.imread('a.jpg')  # 图片1
11 img2 = cv2.imread('b.jpg')  # 图片2
12 add = cv2.add(img1, img2)  # 两个图像相加
13 subtract = cv2.subtract(img1, img2)  # 两个图像相减
14 multiply = cv2.multiply(img1, img2)  # 两个图像相乘
15 divide = cv2.divide(img1, img2)  # 两个图像相除
16 
17 plt.subplot(231), plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB), 'gray'), plt.title('img1')
18 plt.subplot(232), plt.imshow(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB), 'gray'), plt.title('img2')
19 plt.subplot(233), plt.imshow(cv2.cvtColor(add, cv2.COLOR_BGR2RGB), 'gray'), plt.title('add')
20 plt.subplot(234), plt.imshow(cv2.cvtColor(subtract, cv2.COLOR_BGR2RGB), 'gray'), plt.title('subtract')
21 plt.subplot(235), plt.imshow(cv2.cvtColor(multiply, cv2.COLOR_BGR2RGB), 'gray'), plt.title('multiply')
22 plt.subplot(236), plt.imshow(cv2.cvtColor(divide, cv2.COLOR_BGR2RGB), 'gray'), plt.title('divide')
23 plt.show()

 opencv2——图像上的算术运算4_第1张图片

 

 opencv2——图像上的算术运算4_第2张图片

 

 

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

 1 import cv2
 2 import numpy as np
 3 img1=cv2.imread('45.jpg')
 4 img2=cv2.imread('messigray.png')
 5 
 6 dst = cv2.addWeighted(img1,0.7,img2,0.3,0)
 7 
 8 cv2.imshow('dst',dst)
 9 cv2.waitKey(0)
10 cv2.destroyAllWindows()

 

opencv2——图像上的算术运算4_第3张图片

 

 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

 1 import cv2
 2 import numpy as np
 3 from matplotlib import pyplot as plt
 4 
 5 img1 = cv2.imread('1.jpg')[0:375,0:500]  # 图片1
 6 img2 = cv2.imread('2.jpg')  # 图片2
 7 band = cv2.bitwise_and(img1, img2)  # 两个图像求交
 8 bor = cv2.bitwise_or(img1, img2)  # 两个图像求并
 9 bnot = cv2.bitwise_not(img1)  # 图像求非
10 bxor = cv2.bitwise_xor(img1, img2)  # 两个图像求异或
11 
12 title = ['img1', 'img2', 'and', 'or', 'not', 'xor']
13 images = [img1, img2, band, bor, bnot, bxor]
14 for i in range(6):
15     plt.subplot(2, 3, i+1)
16     plt.imshow(cv2.cvtColor(images[i], cv2.COLOR_BGR2RGB), 'gray'), plt.title(title[i])
17 plt.show()

 

 opencv2——图像上的算术运算4_第4张图片

 

转载于:https://www.cnblogs.com/weststar/p/11510901.html

你可能感兴趣的:(人工智能,python)