今天的学习的内容是：通过 Python OpenCV 对图片的像素进行加减乘除操作。
OpenCV 加法操作
在 opencv 中，使用 cv2.add() 将两个图像相加，核心操作是 numpy 中的矩阵加法。
在 opencv 中加法是饱和操作，也就是有上限值。
相加的两个图片，需要有相同的大小和通道
语法格式如下：
cv2.add(src1, src2, dst=None, mask=None, dtype=None)
参数说明：
- src1：图片对象 1；
- src2：图片对象 2；
- dst：可选参数，输出结果保存的变量，默认为 None，如果为其它值，那该
dst为结合之后的图像，大小和通道数与src一致； - mask：可选参数，默认为 None （图像掩膜，一般用灰度图做掩膜，
src1和src2相加后和掩膜与运算，从而达到掩盖部分区域的目的）； - dtype：可选参数，输出图像数组的深度，即图像单个像素值的位数。
返回值：相加之后的图像。
其中 src1 与 src2 需要大小和通道数相等或者一副图像和一个标量（标量就是单个数字）
代码示例如下：
import cv2 as cv
def img_add(src1, src2):
res = cv.add(src1, src2)
cv.imshow("add", res)
if __name__ == "__main__":
src1 = cv.imread("./src1.jpg")
src2 = cv.imread("./src2.jpg")
img_add(src1=src1, src2=src2)
cv.waitKey(0)
注意选择图片的时候，两个图片的尺寸一定要一致，并尽量选择一个黑色多的，一个白色多的。
为什么，因为像素点值越大，颜色越亮，0 代表黑色，255 代表白色
上文中还提及了 add 函数相加之后的上限值，含义如下：
cv2.add(x,y) # 250+10 = 260 => 255 相加，opencv 超过 255 的截取为 255
掩膜是啥？
查看这部分资料的时候，发现掩膜相关的内容还真不少，可以单独写一篇文章了。
本着每天只学习 1 小时原则，今天只学习一些简单的，难的后面在来。
Mask(掩膜)，很多函数都使用到它，本阶段咱们理解成在图片中裁剪部分即可。
寻找一张图片，只展示中间头像。
具体代码如下，重点内容已经进行标记。
import cv2 as cv
import numpy as np
def mask_demo(src1, src2):
# cv.imshow("mask_demo", src)
# 1. 建立与原图一样大小的 mask 图像，并将所有像素初始化为 0，因此全图成了一张全黑色图。
# 2. 将 mask 图中的目标区域的所有像素值设置为255,此时目标区域变成了白色。
mask = np.zeros([375, 600], dtype=np.uint8)
# cv.imshow("mask",mask)
# mask[高度截取，宽度截取]
mask[100:300, 200:400] = 255
cv.imshow("mask", mask)
img_add_mask = cv.add(src1, src2, mask=mask)
cv.imshow("img_add_mask",img_add_mask)
if __name__ == "__main__":
src1 = cv.imread("./yuanshen.jpeg")
src2 = cv.imread("./mask.png")
mask_demo(src1, src2)
cv.waitKey(0)
代码运行完毕，效果如图。当然，第二副图片，我自己制作了一个黑色的圆圈，如下图所示。
两张图片相加，并且添加 Mask(掩膜)之后的效果，如下图所示。
对比运行结果就可以发现掩膜的基本使用方法，先声明一个 8 位单通道的灰度图像，一般使用
np.zeros 即可生成。
让后将想要展示的目标区域设置为纯白色，即 255。
图片相加之后，就可对最终的结果进行区域截图展示了。
在网上还找到一句话解释掩膜：两幅图像之间进行的各种位运算操作。
例如：1 & 1 = 1；1 & 0 = 0；
OpenCV 减法操作
在 Python OpenCV 中同样提供了两张图像的减法操作。
函数是 subtract ，原型如下：
cv2.subtract(src1, src2, dst=None, mask=None, dtype=None)
参数说明：
- src1：图像矩阵 1
- src1：图像矩阵 2
- dst：可选参数
- mask：可选参数
- dtype：可选参数
返回值：
相减的结果图像
该函数的用法与图像像素的加法函数基本一致，具体代码如下：
import cv2 as cv
import numpy as np
# cv2.subtract(src1, src2, dst=None, mask=None, dtype=None)
def subtract_demo(src1, src2):
ret = cv.subtract(src2, src1)
cv.imshow("subtract_demo", ret)
if __name__ == "__main__":
src1 = cv.imread("1.jpg")
src2 = cv.imread("3.jpg")
subtract_demo(src1, src2)
cv.waitKey(0)
注意两张图片的大小（尺寸）和通道数要一致。
为了检测效果，我重新自己绘制了两个图片。
有颜色的图：
没有颜色的图如下所示。
运行之后的效果，只显示黑色圆圈部分。
图像相减代码如下所示，注意在使用 cv.subtract 函数时候，两张图片的先后顺序问题。
import cv2 as cv
import numpy as np
# cv2.subtract(src1, src2, dst=None, mask=None, dtype=None)
def subtract_demo(src1, src2):
# 表示用 src1 中的像素减去 src2 中的像素
ret = cv.subtract(src1, src2)
cv.imshow("subtract_demo", ret)
if __name__ == "__main__":
src1 = cv.imread("1.jpg")
# 由于第二个图是黑白图片
# 任意像素颜色减去白色（255） == 0
# 任意像素颜色减去黑色（0） == 原值
src2 = cv.imread("white_black.jpg")
subtract_demo(src1, src2)
cv.waitKey(0)
OpenCV 尾声
1 个小时又过去了，对 Python OpenCV 相关的知识点，你掌握了吗？
空闲之余，可以订阅橡皮擦的爬虫百例课程学习爬虫知识。
今天是持续写作的第 52 / 100 天。
如果你有想要交流的想法、技术，欢迎在评论区留言。
想学 Python 爬虫，可以订阅橡皮擦专栏哦~ 点击发现惊喜