opencv-numpy操作
在opencv中，调用numpy库，可以将图像以二维或三维数组表示，数组中的每一个值就是图像的像素值，所以可以通过numpy对数组的操作，实现对图像的处理。
所以第一步，导入库
import cv2
import numpy as np
先设置一个窗口名
cv2.namedWindow('HS') #'HS'背景框
在这个窗口创建黑色的数组
HS = np.zeros((600,480),np.uint8) #uint8是0－255的整数,是一种数据类型在python中，黑色背景用numpy中的zeros函数表示，白色背景用numpy中的ones函数表示。
BS = np.ones((880,660),np.uint8)*255因为用numpy库，所以加上np.
既然是数组，那么输出就需要用到print()
最后加上imshow和waitkey（）
黑色背景：
cv2.namedWindow("BJ")
BJ = np.zeros((600,480),np.uint8)
print(BJ.shape)
cv2.imshow('BJ',BJ)
cv2.waitKey()
cv2.namedWindow('BS')
BS = np.ones((880,660),np.uint8)*255
print(BS.shape)
cv2.imshow('BS',BS)
cv2.waitKey()
框图大小由数组来改变。
阿尔法通道：阿尔法有三原色，R,G,B（红，绿，蓝）
cv2.namedWindow('BGR')
BGR = np.zeros((480,640,3),np.uint8)
cv2.imshow('BGR',BGR)
B = BGR.copy()
B[:,:,0] = 255
cv2.imshow('B',B)
G = BGR.copy()
G[:,:,1] = 255
cv2.imshow('G',G)
R = BGR.copy()
R[:,:,2] = 255
cv2.imshow('R',R)
cv2.waitKey()前三行就是创建一个黑色背景框，有阿尔法通道
B = BGR.copy()
B[:,:,0] = 255
cv2.imshow('B',B)将创建的窗口复制给B，前两个引号代表，将所有列和行全部选中，第三个0代表索引，这里有一个重点（三原色输出是按照RGB输出，但是输入需要反着来写，也就是BGR）,此时0就是代表用第一个索引，也就是蓝。后两个同理
黑白相间的条框：
# cv2.namedWindow(('HB'))
# HB = np.zeros((480,640),np.uint8)
# for i in range(0,640,40):
# HB[:,i:i+20] = 255
# cv2.imshow('HB',HB)
# cv2.waitKey()第三行，将整体分割，40个单位为一组，然后在内部进行分割，第一个冒号代表所有列都为黑色，第二个冒号代表将每组的行分割成以20个为一个白色
随机背景：
cv2.namedWindow('SJ')
SJ = np.random.randint(256,size = (480,640,3),dtype = uint8)
#256，因为用的是uint8类型，所以最大为2**8
#3代表三通道的颜色来填充，但不是全部CS = np.random.randint(256,size = (480,640,3),dtype = np.uint8)
SJ = np.random.randint(256,size = (450,640),dtype = np.uint8)
cv2.imshow('CS',CS)
cv2.imshow('SJ',SJ)
cv2.waitKey()
图像的运算：
包括加，减，乘，除，加权，对图像进行这些操作时，必须将图片大小统一，不然无法实现
cv2.divide(A,B)
图像加权/溶合 cv2.addWeighted(src1, alpha, src2, beta, gamma)
src1:图像1，背景图；
alpha:图像1加权；
src2:图像2；
beta:图像2加权；
gamma:附加常数
img = cv2.imread(r'E:\LianXi\3.jpg')
print(img.shape)
img2 = cv2.resize(img,(1080,1080))
print(img2.shape)
img1 = cv2.imread(r'E:\LianXi\5.jpg')
print(img1.shape)
J = cv2.add(img2,img1) #图片相加
j = cv2.subtract(img2,img1) #图像减法
c = cv2.multiply(img2,img1) #图像乘
C = cv2.divide(img2,img1) #图像除
q = cv2.addWeighted(img1,1,img2,1,10) #加权
cv2.imshow('q',q)
cv2.imshow('img2',img2)
cv2.imshow('img1',img1)
cv2.imshow('J',J)
cv2.imshow('j',j)
cv2.imshow('c',c)
cv2.imshow('C',C)
不算难，就不介绍了
还有一个小问题
两个图片相加再减去其中一张图片还能得到另外一张图片吗？
答案是不能的！
# x = cv2.subtract(J,img1) #相加再减
# cv2.imshow('x',x)别忘记加上waitkey（）.....
与或非运算
与：cv2.bitwise_not(img1,mask=mask)，相当于交集
a = np.zeros((200,200),np.uint8)
b = np.zeros((200,200),np.uint8)
a[20:100,20:100] = 255
b[45:120,45:120] = 255
b1 = cv2.bitwise_and(a,b)
cv2.imshow('a',a)
cv2.imshow('b',b)
cv2.imshow('b1',b1)
或：cv2.bitwise_and(img1,img2,mask=mask)，相当于并集
a = np.zeros((200,200),np.uint8)
b = np.zeros((200,200),np.uint8)
a[20:100,20:100] = 255
b[45:120,45:120] = 255
cv2.imshow('a',a)
cv2.imshow('b',b)
c = cv2.bitwise_or(a,b)
cv2.imshow('c',c)
非：cv2.bitwise_or(img1,img2,mask=mask)，就是取反
a = np.zeros((200,200),np.uint8)
b = np.zeros((200,200),np.uint8)
a[20:100,20:100] = 255
b[45:120,45:120] = 255
a1 = cv2.bitwise_not(a)
b1 = cv2.bitwise_not(b)
cv2.imshow('a',a)
cv2.imshow('b',b)
cv2.imshow('b1',b1)
cv2.imshow('a1',a1)
异或：cv2.bitwise_xor(img1,img2,mask=mask),相同为0（也就是黑），不同为1（也就是白），下图就是重合的地方为0，未重合就是1
a = np.zeros((200,200),np.uint8)
b = np.zeros((200,200),np.uint8)
a[20:100,20:100] = 255
b[45:120,45:120] = 255
cv2.imshow('a',a)
cv2.imshow('b',b)
d = cv2.bitwise_xor(a,b)
cv2.imshow('d',d)
