OpenCV 图像的算术运算和位运算
AI 摘要鱼粮不足,AI 今天先歇着 · 正文在下面
算术运算
加法
py
import cv2
import numpy as np
# 加法运算 加法操作要求两个图片的长宽相同,通道数相同
cat = cv2.imread('cat.png')
dog = cv2.imread('dog.png')
# 加法要求两个图片大小一致
print(cat.shape)
print(dog.shape)
# 在做加法之前需要把图片的形状变得完全一致才可以
# 可以通过ndarray的切片方式取出完全一样的形状
# 狗更大,这里从狗里切出猫的形状
new_dog = dog[0:480, :640]
print(new_dog.shape)
# cv2.add 加法操作要求两个图片的长宽相同,通道数相同
new_img = cv2.add(cat, new_dog)
cv2.imshow('new_img', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

减法
py
# 减法 subtract,如果对应位置的元素相减,减完小于0,统一变成0
new_img = cv2.subtract(new_dog, cat)

乘法
py
# 乘法 multiply
new_img = cv2.multiply(new_dog, cat)

除法
py
# 除法 divide
new_img = cv2.divide(new_dog, cat)

图像的融合
- cv2.addWeighted(src1,alpha,src2,beta,gamma)
- 图片的融合操作相当于对图片进行线性运算 w1 * x1 + w2 * x2 + b,其中alpha是第一个权值参数,beta是第二个权重参数,gamma是偏差
py
import cv2
import numpy as np
# 图像融合
# 不是简单的加法了,相当于拿图片做了线性运算,new_img = img1 * w1 + img2 * w2 + bias
cat = cv2.imread('cat.png')
dog = cv2.imread('dog.png')
new_dog = dog[0:480, :640]
new_img = cv2.addWeighted(cat, 0.6, new_dog, 0.4, 0)
cv2.imshow('new_img', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

位运算
opencv中的逻辑运算就是对应位置元素进行与、或、非、异或。其中非运算时,0反过来是255。
非操作
cv2.bitwise_not(src)
py
import cv2
import numpy as np
# 读取图片
cat = cv2.imread('cat.png')
dog = cv2.imread('dog.png')
# 非操作
cat_not = cv2.bitwise_not(cat)
cv2.imshow('not', np.hstack((cat, cat_not)))
print(cat[:2, :2])
print(cat_not[:2, :2])
cv2.waitKey(0)
cv2.destroyAllWindows()

与运算
cv2.bitwise_and(src1,src2)
py
import cv2
import numpy as np
# 读取图片
cat = cv2.imread('cat.png')
dog = cv2.imread('dog.png')
# 与操作
new_dog = dog[0:480, :640]
# 两个图片对应位置的元素进行与操作
cat_and = cv2.bitwise_and(new_dog, cat)
cv2.imshow('and', np.hstack((new_dog, cat_and)))
print(new_dog[:5, :5])
print("-----")
print(cat[:5, :5])
print("-----")
print(cat_and[:5, :5])
print("xxxxx", 225 & 206)
cv2.waitKey(0)
cv2.destroyAllWindows()

或运算
cv2.bitwise_or(src1,src2)
py
import cv2
import numpy as np
# 读取图片
cat = cv2.imread('cat.png')
dog = cv2.imread('dog.png')
# 或操作
new_dog = dog[0:480, :640]
# 两个图片对应位置的元素进行或操作
cat_or = cv2.bitwise_or(new_dog, cat)
cv2.imshow('or', np.hstack((new_dog, cat, cat_or)))
print(new_dog[:5, :5])
print("-----")
print(cat[:5, :5])
print("-----")
print(cat_or[:5, :5])
print("xxxxx", 225 | 206)
cv2.waitKey(0)
cv2.destroyAllWindows()

异或
cv2.bitwise_xor(src1,src2)
py
import cv2
import numpy as np
# 读取图片
cat = cv2.imread('cat.png')
dog = cv2.imread('dog.png')
# 异或操作
new_dog = dog[0:480, :640]
# 两个图片对应位置的元素进行或操作
cat_xor = cv2.bitwise_xor(new_dog, cat)
cv2.imshow('xor', np.hstack((new_dog, cat, cat_xor)))
print(new_dog[:5, :5])
print("-----")
print(cat[:5, :5])
print("-----")
print(cat_xor[:5, :5])
print("xxxxx", 225 ^ 206)
cv2.waitKey(0)
cv2.destroyAllWindows()

完整代码
py
import cv2
import numpy as np
# 读取图片
cat = cv2.imread('cat.png')
dog = cv2.imread('dog.png')
# 非操作
# cat_not = cv2.bitwise_not(cat)
# cv2.imshow('not', np.hstack((cat, cat_not)))
# print(cat[:2, :2])
# print(cat_not[:2, :2])
# 与操作
# new_dog = dog[0:480, :640]
# # 两个图片对应位置的元素进行与操作
# cat_and = cv2.bitwise_and(new_dog, cat)
# cv2.imshow('and', np.hstack((new_dog, cat_and)))
# print(new_dog[:5, :5])
# print("-----")
# print(cat[:5, :5])
# print("-----")
# print(cat_and[:5, :5])
#
# print("xxxxx", 225 & 206)
# 或操作
# new_dog = dog[0:480, :640]
# # 两个图片对应位置的元素进行或操作
# cat_or = cv2.bitwise_or(new_dog, cat)
# cv2.imshow('or', np.hstack((new_dog, cat, cat_or)))
# print(new_dog[:5, :5])
# print("-----")
# print(cat[:5, :5])
# print("-----")
# print(cat_or[:5, :5])
#
# print("xxxxx", 225 | 206)
# 异或操作
new_dog = dog[0:480, :640]
# 两个图片对应位置的元素进行或操作
cat_xor = cv2.bitwise_xor(new_dog, cat)
cv2.imshow('xor', np.hstack((new_dog, cat, cat_xor)))
print(new_dog[:5, :5])
print("-----")
print(cat[:5, :5])
print("-----")
print(cat_xor[:5, :5])
print("xxxxx", 225 ^ 206)
cv2.waitKey(0)
cv2.destroyAllWindows()
作业
在图片上加上自己设计的logo
py
import cv2
import numpy as np
# 导入图片
dog = cv2.imread('dog.png')
# 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位置
roi = dog[0:200, 0:200]
# cv2.imshow('roi', roi)
# 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,则返回原图的像素,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)
# cv2.imshow('logo', logo)
# cv2.imshow('dog', dog)
# 将dog上对应区域的像素点
dog[:200, :200] = dst
cv2.imshow('dog', dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

评论
0 条—
还没有评论,来说第一句