二、图像运算

2.1图像加法运算

可以通过加号运算符“+”对图像进行加法运算，也可以通过cv2.add（）函数对图像进行加法运算

2.1.1加号运算符
mode

mod为取余运算，表示 a+b的和除以256取余数。

例子：使用随机数数组模拟灰度图像，观察使用“+”对像素值求和的结果。
import numpy as np
import cv2 as cv

img1 = np.random.randint(0,255,size = (100,100),dtype = np.uint8)
img2 = np.random.randint(0,255,size = (100,100),dtype = np.uint8)

img1 = img1+img2
cv.imshow(“demo”,img1)

cv.waitKey(0)
cv.destroyAllWindows()

2.1.2 cv2.add()函数
可以用来计算图像像素值相加的和
语法格式：计算结果 = cv2.add(像素值a,像素值b)

需要注意，cv2.add()中参数可能有如下三种形式：
● 形式1：计算结果=cv2.add（图像1，图像2），两个参数都是图像，此时参与运算的图像大小和类型必须保持一致。
● 形式2：计算结果=cv2.add（数值，图像），第1个参数是数值，第2个参数是图像，此时将超过图像饱和值的数值处理为饱和值（最大值）。
● 形式3：计算结果=cv2.add（图像，数值），第1个参数是图像，第2个参数是数值，此时将超过图像饱和值的数值处理为饱和值（最大值）。

例子：
import numpy as np
import cv2 as cv

img1 = np.random.randint(0,255,size = (100,100),dtype = np.uint8)
img2 = np.random.randint(0,255,size = (100,100),dtype = np.uint8)

img = cv.add(img1,img2)
cv.imshow(“demo”,img)

cv.waitKey(0)
cv.destroyAllWindows()

● 使用加号运算符计算图像像素值的和时，将和大于255的值进行了取模处理，取模后大于255的这部分值变得更小了，导致本来应该更亮的像素点变得更暗了，相加所得的图像看起来并不自然。
● 使用函数cv2.add（）计算图像像素值的和时，将和大于255的值处理为饱和值255。图像像素值相加后让图像的像素值增大了，图像整体变亮。

**

2.2图像加权和

**
OpenCV中提供了函数cv2.addWeighted（），用来实现图像的加权和（混合、融合），该函数的语法格式为：

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

参数alpha和beta是src1和src2所对应的系数，它们的和可以等于1，也可以不等于1。该函数实现的功能是dst=src1×alpha+src2×beta+gamma。

可以将上式理解为“结果图像=图像1×系数1+图像2×系数2+亮度调节量”

例子：使用函数cv2.addWeighted（）对两幅图像进行加权混合，观察处理结果。
import numpy as np
import cv2 as cv

imga = cv.imread(“color.jpg”)
imgb = cv.imread(“moliniao.jpg”)

img = cv.addWeighted(imga, 2, imgb, 2, 3)

cv.imshow(“demo”,img)

cv.waitKey(0)
cv.destroyAllWindows()

2.3按位逻辑运算
cv2.bitwise_and():按位与
cv2.bitwise_or():按位或
cv2.bitwise_xor():按位异或
cv2.bitwise_not():按位取反

在opencv中，可以使用cv2.bitwise_and()函数来实现按位与运算，格式：
dst = cv2.bitwise_and(src1,src2,[mask])
dst:与输入值具有同样大小的array输出值
src1:第一个array或者scalar类型的输入值
src2表示第二个array或scalar类型的输入值。
mask表示可选操作掩码，8位单通道array。

在OpenCV中，可以使用cv2.bitwise_or（）函数来实现按位或运算，其语法格式为：
dst=cv2.bitwise_or（src1,src2[,mask]]）
式中：
● dst表示与输入值具有同样大小的array输出值。
● src1表示第一个array或scalar类型的输入值。
● src2表示第二个array或scalar类型的输入值。
● mask表示可选操作掩码，8位单通道array值。

在OpenCV中，可以使用函数cv2.bitwise_not（）来实现按位取反操作，其语法格式为：
dst=cv2.bitwise_not（src[,mask]]）
式中：
● dst 表示与输入值具有同样大小的array输出值。
● src表示array类型的输入值。
● mask表示可选操作掩码，8位单通道array值。

异或：相同为0，不同为1
在OpenCV中，可以使用函数cv2.bitwise_xor（）来实现按位异或运算，其语法格式为：
dst=cv2.bitwise_xor（src1,src2[,mask]]）
式中：
● dst表示与输入值具有同样大小的array输出值。
● src1表示第一个array或scalar类型的输入值。
● src2表示第二个array或scalar类型的输入值。
● mask表示可选操作掩码，8位单通道array值。

**

2.4掩模

OpenCV中的很多函数都会指定一个掩模，也被称为掩码，例如：
计算结果=cv2.add（参数1，参数2，掩模）
当使用掩模参数时，操作只会在掩模值为非空的像素点上执行，并将其他像素点的值置为0。

例子：演示掩模的用法
import numpy as np
import cv2 as cv

imga = np.ones((4,4),dtype = np.uint8) * 3
imgb = np.ones((4,4),dtype = np.uint8) * 5
mask = np.zeros((4,4),dtype = np.uint8)
#将mask的部分区域设置为不为0
mask[2:4,2:4] = 1
imgc = np.ones((4,4),dtype = np.uint8) * 66
print(“imga=\n”,imga)
print(“imgb=\n”,imgb)
print(“mask=\n”,mask)
print(“imgc=\n”,imgc)

imgc = cv.add(imga,imgb,mask = maskA)

print(“imgc=\n”,imgc)

例子2：构造一个掩模图像，将该掩模图像作为按位与函数的掩模参数，实现保留图像的指定部分。
**

import numpy as np
import cv2 as cv
#构造一个掩模图像，将该掩模图像作为按位与函数的掩模参数，实现保留图像的指定部分。
img = cv.imread("color.jpg",1)
w,h,c = img.shape
print("w = \n",w)
print("h = \n",h)
print("c = \n",c)
mask = np.zeros((w,h),dtype = np.uint8)
#定义要保留的范围
mask[100:400,200:400]=255
mask[100:500,100:200]=255

c = cv.bitwise_and(img,img,mask = mask)
cv.imshow("demo0",img)
cv.imshow("demo",c)

cv.waitKey(0)
cv.destroyAllWindows()

**

2.5图像大加密与解密

通过按位异或运算可以实现图像的加密和解密。

通过对原始图像与密钥图像进行按位异或，可以实现加密；将加密后的图像与密钥图像再次进行按位异或，可以实现解密。
a ^ b ^ b =a a:原始图像 b:密钥

例子1：编写程序，通到图像按位异或实现加密和解密过程。

#编写程序，通到图像按位异或实现加密和解密过程。
import numpy as np
import cv2 as cv
#构造一个掩模图像，将该掩模图像作为按位与函数的掩模参数，实现保留图像的指定部分。
img = cv.imread("color.jpg",1)
code_img = cv.imread("reci.jpg",1)
w,h,c = code_img.shape
print("w = \n",w)
print("h = \n",h)
print("c = \n",c)
#make two picture to same shape
img = img[0:300,0:400]
#加密与解密
c = cv.bitwise_xor(img,code_img)
c_pie = cv.bitwise_xor(c,code_img)
cv.imshow("c_pie",c_pie)
cv.imshow("demo",c)


cv.waitKey(0)
cv.destroyAllWindows()

**