opencv从入门到精通 哦吼06

 

目录

阈值处理小结

图像的运算

掩模

图像的加法运算

图像的位运算

按位与运算

按位或运算

按位取反运算

按位异或运算

加权和

覆盖

---

阈值处理小结

OpenCV 提供了一个可以快速抠出图像主体线条的工具，这个工具就是阈值。在阈值的作用下，一幅彩色图像被转换为只有纯黑和纯白的二值图像。然而，灰度图像经 6（自适应阈值处理包括在其中） 种阈值处理类型处理后，都无法得到图像主体的线条。为此，OpenCV 提供了一种改进的阈值处理技术，即自适应处理，其关键在于对图像中的不同区域使用不同的阈值。有了这种改进的阈值处理技术，得到图像主体的线条就不再是一件难以实现的事情了。

图像的运算

图像是由像素组成的，像素又是由具体的正整数表示的，因此图像也可以进行一系列数学运算，通过运算可以获得截取、合并图像等效果。OpenCV 提供了很多图像运算方法，经过运算的图像可以呈现出很多有趣的视觉效果。下面将对 OpenCV 中一些常用的图像运算方法进行介绍。

掩模

可以类比于做手术时的那块手术布，有一块手术区域，而掩模就是图像处理的手术区域

掩模，也叫作掩码，英文为 mask，在程序中用二值图像来表示：0 值（纯黑）区域表示被遮盖的部分，255 值（纯白）区域表示暴露的部分（某些场景下也会用 0 和 1 当作掩模的值）。

255值得那部分 就是被操作得那部分

创建 3 通道掩模图像

利用 numpy 库的 zeros()方法创建一幅掩模图像，感兴趣区域为在该图像中横坐标为 20、纵坐标为 50、宽为 60、高为 50 的矩形，展示该掩模图像。调换该掩模图像的感兴趣区域和不感兴趣区域之后，再次展示掩模图像，具体代码如下：

import cv2
import numpy as np

mask=np.zeros((150,150,3),np.uint8)
mask[50:100,20:80]=255
cv2.imshow('mask1',mask)
mask[:,:]=255
mask[50:100,20:80]=0
cv2.imshow('mask2',mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像的加法运算

图像中每一个像素都有用整数表示的像素值，2 幅图像相加就是让相同位置像素值相加，最后将计算结果按照原位置重新组成一幅新图像。原理如图 9.9 所示。

在开发程序时通常不会使用「+」运算符对图像做加法运算，而是用 OpenCV 提供的 add()方法，该方法的语法如下：

dst = cv2.add(src1, src2, mask, dtype)

图像的位运算

位运算是二进制数特有的运算操作。图像由像素组成，每个像素可以用十进制整数表示，十进制整数又可以转化为二进制数，所以图像也可以做位运算，并且位运算是图像数字化技术中一项重要的运算操作。

按位与运算

与运算就是按照二进制位进行判断，如果同一位的数字都是 1，则运算结果的相同位数字取 1，否则取 0。

OpenCV 提供 bitwise_and()方法来对图像做与运算，该方法的语法如下：

 dst = cv2.bitwise_and(src1, src2, mask)

图像做与运算时，会把每一个像素值都转为二进制数，然后让两幅图像相同位置的两个像素值做与运算，最后把运算结果保存在新图像的相同位置上

与运算有两个特点

1.如果和纯白就行与运算就是像素的原值

2.如果和纯黑进行运算就是纯黑值

按位或运算

或运算也是按照二进制位进行判断，如果同一位的数字都是 0，则运算结果的相同位数字取 0，否则取 1。

OpenCV 提供 bitwise_or()方法来对图像做或运算，该方法的语法如下：

dst = cv2.bitwise_or(src1, src2, mask)

或运算有以下两个特点

1.与纯白值运算就是纯白值

2.与纯黑值进行运算 变为原值

按位取反运算

取反运算是一种单目运算，仅需一个数字参与运算就可以得出结果。取反运算也是按照二进制位进行判断，如果运算数某位上数字是 0，则运算结果的相同位的数字就取 1，如果这一位的数字是 1，则运算结果的相同位的数字就取 0。

按位异或运算

异或运算也是按照二进制位进行判断，如果两个运算数同一位上的数字相同，则运算结果的相同位数字取 0，否则取 1。

OpenCV 提供 bitwise_xor()方法对图像做异或运算，该方法的语法如下：

 dst = cv2.bitwise_xor(src, mask)

加权和

多次曝光技术是指在一幅胶片上拍摄几个影像，最后冲印出的相片同时具有多个影像的信息。

OpenCV 通过计算加权和的方式，按照不同的权重取两幅图像的像素之和，最后组成新图像。加权和不会像纯加法运算那样让图像丢失信息，而是在尽量保留原有图像信息的基础上把两幅图像融合到一起。

OpenCV 通过 addWeighted()方法计算图像的加权和，该方法语法如下：

 dst = cv2.addWeighted(src1, alpha, src2, beta, gamma)

import cv2
import numpy as np
dog=cv2.imread('dog/gou .jpg')
car=cv2.imread('dog/img.png')
rows,cols,channel=dog.shape
car=cv2.resize(car,(cols,rows))
img=cv2.addWeighted(dog,0.6,car,0.6,0)
cv2.imshow('dog',dog)
cv2.imshow('car',car)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

覆盖

覆盖图像就是直接把前景图像显示在背景图像中，前景图像挡住背景图像。覆盖之后背景图像会丢失信息，不会出现加权和那样的「多次曝光」效果。

OpenCV 没有提供覆盖操作的方法，开发者可以直接用修改图像像素值的方式实现图像的覆盖、拼接效果：从 A 图像中取像素值，直接赋值给 B 图像的像素，这样就能在 B 图像中看到 A 图像的信息了。

小结
读者朋友要明确关于掩模的 3 个问题：0 和 255 这 2 个值在掩模中各自发挥的作用；通过这 2 个值，掩模的作用又是什么；如何创建一个掩模。掌握了掩模后，就能够利用掩模遮盖图像相加后的结果。掩模除了应用于图像的加法运算外，还应用于图像的位运算。一个掩模应用于图像的位运算的典型实例就是对图像进行加密、解密。本章除了上述内容，还讲解了合并图像的 2 种方式：加权和、覆盖。读者朋友要熟练掌握这两种方式