opencv基础入门——像素运算

参考教程：

• python+opencv3.3视频教学 基础入门-bilibili

一、算术运算

1.加、减、乘、除

p.s 进行加减乘除运算首先需要两张大小（宽和高）一样的图像
这里我使用的两张图如下：

import cv2 as cv

def operation_demo(src1,src2):
    """
    四则运算
    - - - -
    src1 - 图像1

    src2 - 图像2
    """
    # 加运算
    addimg = cv.add(src1,src2)
    cv.imwrite("add.png",addimg)
    # 减运算
    subimg = cv.subtract(src1,src2)
    cv.imwrite("subtract.png",subimg)
    # 乘运算
    mulimg = cv.multiply(src1,src2)
    cv.imwrite("multiply.png",mulimg)
    # 除运算
    divimg = cv.divide(src1,src2)
    cv.imwrite("divide.png",divimg)

if __name__ == "__main__":
    # 1.加、减、乘、除
    img1 = cv.imread("cat.jpg")
    img2 = cv.imread("logo.jpeg")
    operation_demo(img1,img2)

结果：

里面主要有几个要点：

1. 加法中，logo中白的部分因为已经满了所以没有影响，仍是白色；而黑色的部分因为原数值为0，所以显示了cat的原图像。
2. 乘法中，图像边缘的模糊是因为logo的边缘有反锯齿平滑，一些像素点的值并不为0，所以会出现这种图像。
3. 除法中，因为两数相除会变得很小，所以颜色非常暗。

• 顺便说一句，可以使用mean()函数求图像的像素均值，均值小的色调偏暗，也可以看出哪个通道的色彩比较多。
• 同理，meanStdDiv()函数可以同时返回像素均值和方差，可以更好地分析图像的特点。

2.亮度和对比度的调节

def change_brightness_demo(image,c,b):
    """
    改变图像的亮度和对比度
    - - - -
    image - 原图像
    
    c - 需要亮度
    
    b - 需要对比度
    """
    h, w, ch = image.shape
    # 创建空白图像
    blank = np.zeros([w, h, ch],image.dtype)
    # 实际上也是加法，只不过是按比例混合
    dst = cv.addWeighted(image, c, blank, 1-c, b)
    cv.imwrite("change.png", dst)

if __name__ == "__main__":
	image = cv.imread("cat.jpg")
    change_brightness_demo(image,1.2,10)

结果：

也可以分别调高亮度和对比度

# 调高亮度
contrast_brightness_demo(image,1.8,0)
# 调高对比度
contrast_brightness_demo(image,1,50)

结果：

二、逻辑运算

1.与、或、非

p.s 与、或需要两张大小（宽和高）一样的图像进行运算，非只需要一张

def logic_demo(src1,src2):
    """
    逻辑运算
    - - - -
    src1 - 图像1

    src2 - 图像2
    """
    # 与运算
    andimg = cv.bitwise_and(src1,src2)
    cv.imwrite("and.png",andimg)
    # 或运算
    orimg = cv.bitwise_or(src1,src2)
    cv.imwrite("or.png",orimg)
    # 非运算，结果图像与之前说的反色图像一致
    notimg = cv.bitwise_not(src1)
    cv.imwrite("not.png",notimg)

if __name__ == "__main__":
    img1 = cv.imread("cat.jpg")
    img2 = cv.imread("logo.jpeg")
    logic_demo(img1,img2)

结果：

2.应用：遮罩层控制

结合之前色彩空间的遮罩层应用

def extrace_object_demo2():
    """
    通过inRange()函数实现对视频中绿色部分的过滤，再利用逻辑运算改进图像的显示
    """
    capture = cv.VideoCapture('MV.mp4')
    while(True):
        ret, frame = capture.read()
        if ret == False:
            break 
        # 转化为HSV
        hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
        # 设置绿色数值过滤
        lower_hsv = np.array([37,43,46])
        upper_hsv = np.array([77,255,255])
        # 利用逻辑运算改进遮罩后图像的显示
        mask = cv.inRange(hsv,lowerb=lower_hsv,upperb=upper_hsv)
        dst = cv.bitwise_and(frame,frame,mask=mask)
        cv.imshow("mask",dst)
        cv.imshow("video",frame)
        c = cv.waitKey(40)
        if c == 27:
            break

if __name__ == "__main__":
    extrace_object_demo2()

结果：