opencv 计算多张图片均值图 opencv图像处理算法

文章目录

• 四、图像的算术与位运算

• 1、算术运算

• 1.1 加法
• 1.2 减法
• 1.3 乘法
• 1.4 除法

• 2、图像的融合
• 3、位运算

• 3.1 非
• 3.2 与
• 3.3 或
• 3.4 异或

• 4、制作LOGO

四、图像的算术与位运算

1、算术运算

图像的算术运算包含：图像的加法运算、图像的减法运算、图像的乘法运算以及图像的除法运算，下面将一一介绍。

1.1 加法

OpenCV使用 add() 来执行图像的加法运算，add() 用法如下所示：

cv2.add(src1, src2)

参数说明：

• src1, src2：进行加法运算的两张图像。

注意1： 图片就是矩阵，图片的加法运算就是矩阵的加法运算，这就要求加法运算的两张图像的shape必须是相同的。

print(cat.shape)
print(dog.shape)

(480, 640, 3)
(480, 640, 3)

注意2：如果不相同，则可以使用切片的方法使之相同：

big_dog = cv2.imread('../resource/big.jpg')
print(big_dog.shape)
big_dog = big_dog[0:480, 0:640]
print(big_dog.shape)

(2832, 4240, 3)
(480, 640, 3)

代码实现：

import cv2
import numpy as np

cat = cv2.imread('../resource/r_cat.jpg')
dog = cv2.imread('../resource/r_dog.jpg')

cat_dog = cv2.add(cat, dog)

cv2.imshow('cat_dog_1', np.hstack((cat, dog)))
cv2.imshow('cat_dog_2', cat_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图像：

加法运算之后的图像：

注意3： add() 加法操作就是将两个图像对应位置的元素相加，如果超过255，则全部变成255。

print(cat[:1, :1])
print(dog[:1, :1])
print(cat_dog[:1, :1])

[[[155 154 156]]]
[[[156 110   0]]]
[[[255 255 156]]]

注意4： 图像还可以和单个数字进行运算：

print(cat[:2, :2])
cat += 100
cv2.imshow('cat+100', cat)
print(cat[:2, :2])

[[[155 154 156]
  [155 154 156]]
 [[157 156 158]
  [158 157 159]]]
# + 100 之后
[[[255 254   0]
  [255 254   0]]
 [[  1   0   2]
  [  2   1   3]]]

每个元素和100进行加法运算，超过255的数字，会被截断，相当于 % 256

1.2 减法

OpenCV使用 subtract() 来执行图像的减法运算，subtract() 用法如下所示：

cv2.subtract(src1, src2)

参数说明：

• src1, src2：进行减法运算的两张图像。（含义是 src1 - src2）

import cv2

cat = cv2.imread('../resource/r_cat.jpg')
dog = cv2.imread('../resource/r_dog.jpg')

cat_dog = cv2.subtract(cat, dog)

cv2.imshow('cat-dog', cat_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

对应位置的元素相减，减完若小于0，则统一变成0。

print(cat[:2, :2])
print(dog[:2, :2])
print(cat_dog[:2, :2])

[[[155 154 156]
  [155 154 156]]
 [[157 156 158]
  [158 157 159]]]

[[[156 110   0]
  [157 111   0]]
 [[156 110   0]
  [157 111   0]]]
# cat - dog
[[[  0  44 156]
  [  0  43 156]]
 [[  1  46 158]
  [  1  46 159]]]

1.3 乘法

OpenCV使用 multiply() 来执行图像的乘法运算，multiply() 用法如下所示：

cv2.multiply(src1, src2)

参数说明：

• src1, src2：进行乘法运算的两张图像。

import cv2

cat = cv2.imread('../resource/r_cat.jpg')
dog = cv2.imread('../resource/r_dog.jpg')

cat_dog = cv2.multiply(cat, dog)

cv2.imshow('cat-dog', cat_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.4 除法

OpenCV使用 divide() 来执行图像的除法运算，divide() 用法如下所示：

cv2.divide(src1, src2)

参数说明：

• src1, src2：进行除法运算的两张图像。

import cv2

cat = cv2.imread('../resource/r_cat.jpg')
dog = cv2.imread('../resource/r_dog.jpg')

cat_dog = cv2.divide(cat, dog)

cv2.imshow('cat-dog', cat_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

2、图像的融合

图像的融合操作相当于对图像进行线性运算：w1 * x1 + w2 * x2 + b

addWeighted()用法：

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

参数说明：

• src1, src2：进行操作的图像
• alpha, beta：权重参数
• gamma：偏差（静态权重）

import cv2

cat = cv2.imread('../resource/r_cat.jpg')
dog = cv2.imread('../resource/r_dog.jpg')

cat_dog = cv2.addWeighted(cat, 0.3, dog, 0.7, 0)

cv2.imshow('cat-dog', cat_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

3、位运算

3.1 非

bitwise_not()用法：

cv2.bitwise_not(src)

参数说明：

• src：进行操作的图像

import cv2
import numpy as np

# 黑色
img1 = np.zeros((480, 640), np.uint8)
# 白色
img1[120:360, 160:480] = 255

img_not = cv2.bitwise_not(img1)

cv2.imshow('img', np.hstack((img1, img_not)))
cv2.waitKey(0)
cv2.destroyAllWindows()

3.2 与

bitwise_and()用法：

cv2.bitwise_and(src1, src2)

参数说明：

• src1, src2：进行操作的图像

import cv2
import numpy as np

img1 = np.zeros((480, 640), np.uint8)
img2 = np.zeros((480, 640), np.uint8)
img1[0:360, 0:480] = 255
img2[120:480, 160:640] = 255

img_and = cv2.bitwise_and(img1, img2)

cv2.imshow('img1 img2', np.hstack((img1, img2)))
cv2.imshow('img_and', img_and)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图像：

与操作之后图像：

3.3 或

bitwise_or()用法：

cv2.bitwise_or(src1, src2)

参数说明：

• src1, src2：进行操作的图像

import cv2
import numpy as np

img1 = np.zeros((480, 640), np.uint8)
img2 = np.zeros((480, 640), np.uint8)
img1[0:360, 0:480] = 255
img2[120:480, 160:640] = 255

img_or = cv2.bitwise_or(img1, img2)

cv2.imshow('img1 img2', np.hstack((img1, img2)))
cv2.imshow('img_or', img_or)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图像：

或操作之后图像：

3.4 异或

bitwise_xor()用法：

cv2.bitwise_xor(src1, src2)

参数说明：

• src1, src2：进行操作的图像

import cv2
import numpy as np

img1 = np.zeros((480, 640), np.uint8)
img2 = np.zeros((480, 640), np.uint8)
img1[0:360, 0:480] = 255
img2[120:480, 160:640] = 255

img_xor = cv2.bitwise_xor(img1, img2)

cv2.imshow('img1 img2', np.hstack((img1, img2)))
cv2.imshow('img_xor', img_xor)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图像：

异或操作之后图像：

4、制作LOGO

要求：制作一个LOGO，并使其贴在某图像上。

import cv2
import numpy as np

# 导入图像
dog = cv2.imread('../resource/r_dog.jpg')

# 创建LOGO
logo = np.zeros((200, 200, 3), np.uint8)

# 绘制LOGO
logo[20:120, 20:120] = [0, 0, 255]
logo[80:180, 80:180] = [0, 255, 0]

# 掩码
mask = np.zeros((200, 200), np.uint8)
mask[20:120, 20:120] = 255
mask[80:180, 80:180] = 255

# cv2.imshow('mask', mask)
m = cv2.bitwise_not(mask)
# cv2.imshow('m', m)

# 选择dog添加LOGO的位置
roi = dog[0:200, 0:200]

# roi与m进行与操作,先roi和roi做与运算,然后结果再和mask做与运算,如果与的结果是True,那么返回原图的像素,否则返回0
tmp = cv2.bitwise_and(roi, roi, mask=m)
# cv2.imshow('tmp', tmp)

dst = cv2.add(tmp, logo)
# cv2.imshow('dst', dst)

# 在dog上还原
dog[:200, :200] = dst

cv2.imshow('dog', dog)
# cv2.imshow('LOGO', logo)
cv2.waitKey(0)
cv2.destroyAllWindows()