文章目录
- 掩膜
- 图像的算数运算
* - 加法运算
– - 减法运算
- 乘法运算
- 除法运算
- 图片的融合
- OpenCV的逻辑运算(位运算)
* - 与运算
&
– - 或运算
|
– - 非运算
~
- 异或运算
~
– - 对图像进行加密、解密
- 合并图像
* - 加权和
- 覆盖
– - 作业
* - Version 1
- Version 2
–
掩膜
外科医生在给患者做手术时,会为患者盖上手术洞巾,这样医生就可以只在这个预设好的孔洞部位进行手术。手术洞巾不仅有利于医生定位患处、暴露手术视野,还可以对非患处起到隔离、防止污染的作用
同样地,当计算机处理图像时,图像也如同一名”患者”一样,有些内容需要处理,有些内容不需要处理。通常计算机处理图像时会把所有像素都处理一遍,但如果想让计算机像外科大夫那样仅处理某一小块区域,那就要为图像盖上一张仅暴露一小块区域的”手术洞巾”。像”手术洞巾”那样能够覆盖原始图像、仅暴露原始图像感兴趣区域(ROI)的模板图像就被叫做掩膜
掩膜,也叫掩码(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
当作掩膜的值
在使用 OpenCV
处理图像时,通常使用 Numpy
库提供的方法来创建掩膜图像,下面通过一个实例来演示:
利用 Numpy
库的 np.zeros()
方法来创建一幅掩膜图像,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
。先展示该掩膜图像,后调换该掩膜图像的感兴趣区域和不感兴趣区域,再次展示掩膜图像
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()
cv2.destroyAllWindows()
结果:
掩膜在图像运算过程中充当了重要角色,通过掩膜才能看到最直观的运算结果,接下来将详细介绍图像运算的相关内容
图像的算数运算
加法运算
关键API: dst = cv2.add(src1, src2[, dst[, mask[, dtype]]])
其中:
src1
:第一幅图像src2
:第二幅图像mask
:可选参数,掩膜(建议使用默认值)dtype
:可选参数,图像深度(建议使用默认值)
返回值:
dst
:相加之后的结果图像。 *如果相加之后值的结果大于255,则取255
cv2.add()
的规则就是两个图对应的元素相加,如果超过255(像素点的大小0-255),则全部变成255
我们可以用 cv2.add()
方法和正常的相加 +
做比较
代码如下:
import cv2
import numpy as np
img = cv2.imread('./beach.jpg')
cv2.imshow('img',img)
sum1 = img + img
cv2.imshow('using_+',sum1)
sum2 = cv2.add(img,img)
cv2.imshow('using_cv2.add()',sum2)
cv2.waitKey()
cv2.destroyAllWindows()
上述代码运行结果如下:
原图:
从这个结果可以看出:
" + "运算符
的计算结果如果超出了255,就会取相加的和除以255的余数,也就是取模运算,像素值相加后反而变得更小了,由浅色变成了深色cv2.add()方法
的计算结果如果超过了255,就取值为255,很多浅颜色像素彻底变成了白色
不同的图相加:
import cv2
import numpy as np
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
print(cat.shape)
print(dog.shape)
new_dog = dog[0:1078,0:1095]
print(new_dog.shape)
new_img = cv2.add(cat,new_dog)
cv2.imshow('new_img',new_img)
cv2.waitKey()
cv2.destroyAllWindows()
图片还可以和单个数字进行运算,如 dog += 100
每个和100进行加法运算,超过255的数字,会被截断,相当于 %256
import cv2
import numpy as np
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
dog += 100
print(dog[:3,:3])
cv2.waitKey()
cv2.destroyAllWindows()
利用掩膜遮盖相加结果
图像的加运算也可以使用掩膜,下面通过一个实例介绍掩膜的使用方法
创建纯蓝和纯红这两幅图像,使用add()方法对这两幅图像进行加运算,并在方法中添加一个掩膜,查看计算结果
具体代码如下:
import cv2
import numpy as np
img1 = np.zeros((150,150,3),np.uint8)
img2 = np.zeros((150,150,3),np.uint8)
img1[:,:,0] = 255
img2[:,:,2] = 255
img = cv2.add(img1,img2)
cv2.imshow('img',img)
mask = np.zeros((150,150,1),np.uint8)
mask[50:100,50:100,:] = 255
cv2.imshow('mask',mask)
img = cv2.add(img1,img2,mask = mask)
cv2.imshow('using_mask',img)
cv2.waitKey()
cv2.destroyAllWindows()
结果:
原图 、 掩膜 、 原图使用了掩膜后的效果
减法运算
关键API: cv2.subtract(img1,img2)
subtract
的规则就是两个图对应的元素相减,如果小于0(像素点的大小0-255),则全部变成0
import cv2
import numpy as np
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
print(cat.shape)
print(dog.shape)
new_dog = dog[0:1078,0:1095]
print(new_dog.shape)
new_img = cv2.subtract(cat,new_dog)
cv2.imshow('new_img',new_img)
cv2.waitKey()
cv2.destroyAllWindows()
乘法运算
关键API: cv2.multiply(img1,img2)
乘法的规则和加法一样:两个图对应的元素相乘,如果超过255(像素点的大小0-255),则全部变成255
import cv2
import numpy as np
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
print(cat.shape)
print(dog.shape)
new_dog = dog[0:1078,0:1095]
print(new_dog.shape)
new_img = cv2.multiply(cat,new_dog)
cv2.imshow('new_img',new_img)
cv2.waitKey()
cv2.destroyAllWindows()
除法运算
关键API: cv2.divide(img1,img2
除法的规则和减法一样:两个图对应的元素相除,如果小于0(像素点的大小0-255),则全部变成0
import cv2
import numpy as np
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
print(cat.shape)
print(dog.shape)
new_dog = dog[0:1078,0:1095]
print(new_dog.shape)
new_img = cv2.divide(cat,new_dog)
cv2.imshow('new_img',new_img)
cv2.waitKey()
cv2.destroyAllWindows()
图片的融合
关键API: addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])
其中:
src1
:第一幅图片alpha
:第一幅图片的权重scr2
:第二幅图片beta
:第二幅图片的权重gamma
:偏差
import cv2
import numpy as np
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
new_dog = dog[0:1078,0:1095]
new_img = cv2.addWeighted(cat,0.3,new_dog,1,0)
cv2.imshow('new_img',new_img)
cv2.waitKey()
cv2.destroyAllWindows()
OpenCV的逻辑运算(位运算)
位运算是二进制数特有的运算特性。图像由像素组成,每个像素可以用十进制数表示,十进制整数又可以转化为二进制数,所以图像也可以进行为位运算,并且位运算在图像数字化技术是一项重要的运算操作
OpenCV提供了几种常用的位运算方法
方 法含 义 cv2.bitwise_and()
按 位 与 cv2.bitwise_or()
按 位 或 cv2.bitwise_not()
按 位 取反 cv2.bitwise_xor()
按 位 异或
与运算 &
关键API: cv2.bitwise_and(src1,src2,mask)
其中:
src1
:第一幅图像src2
:第二幅图像mask
:可选参数,掩膜
返回值:
图像做与运算时,会把每一个像素值都转换为二进制数,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
dst
:与运算后的结果图像
如 204 & 213 = 196
,先将204和213转化为二进制,再把结果的二进制转化为十进制,即为196
两个数与运算后会变小,如 204 & 213 = 196 ; 150 & 140 = 132
与运算有两个特点:
- 如果某像素与纯白色像素(255)做与运算,结果仍然是某像素的原值,即不变
00101011 & 11111111 = 00101011
- 如果某像素与纯黑色像素(0)做与运算,结果为纯黑像素,即归零
00101011 & 00000000 = 00000000
由此可以得出: 如果原图像与 掩膜
进行与运算,原图像仅仅会保留掩膜中白色区域所覆盖的内容,其他区域全部变成黑色。下面通过一个实例来演示掩膜在与运算过程中的作用,
花图像与十字掩膜做 与运算
创建一个掩膜,在掩膜中央保留一个十字形的白色区域,让掩膜与❀做 与运算
,查看运算后的结果
代码如下:
import cv2
import numpy as np
img = cv2.imread('./amygdalus triloba.png')
print(img.shape)
mask = np.zeros(img.shape,np.uint8)
mask[120:180,:,:] = 255
mask[:,90:150,:] = 255
dst = cv2.bitwise_and(img, mask)
cv2.imshow('img',img)
cv2.imshow('mask',mask)
cv2.imshow('dst',dst)
cv2.waitKey()
cv2.destroyAllWindows()
结果:
示例代码:
两张图片进行与运算
import cv2
import numpy as np
cv2.namedWindow('new_img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('new_img',800,600)
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
new_dog = dog[0:1078,0:1095]
cat_and = cv2.bitwise_and(cat,new_dog)
print(cat[:2,:2])
print('---------------------')
print(dog[:2,:2])
print('---------------------')
print(cat_and[:2,:2])
cv2.imshow('new_img',np.hstack((cat,cat_and)))
cv2.waitKey()
cv2.destroyAllWindows()
结果:
cat:
[[[195 216 244]
[194 215 243]]
[[194 215 243]
[193 214 242]]]
cat_and
[[[ 64 64 116]
[ 66 68 114]]
[[ 64 70 115]
[ 64 70 112]]]
或运算 |
关键API: dst = cv2.bitwise_or(src1,src2,mask)
src1
:第一幅图像src2
:第二幅图像mask
:可选参数,掩膜
返回值:
dst
:或运算之后的结果图像
或运算也有两个特点:
- 如果某像素与纯白色像素(255)做 或运算,结果为纯白色像素(255)
00101011 | 11111111 = 11111111
- 如果某像素与纯黑色像素(0)做 或运算,结果仍然为某像素的原值(不变)
00101011 | 00000000 = 00101011
由此可以得出: 如果原图像与 掩膜
进行或运算,原图像仅会保存掩膜中黑色区域所覆盖的内容,其他区域全部变成白色。下面通过一个实例来掩饰掩膜在或运算中的作用
花图像与十字掩膜做 或运算
创建一个掩膜,在掩膜中央保留一个十字形的白色区域,让掩膜与❀做 或运算
,查看运算后的结果
代码如下:
import cv2
import numpy as np
img = cv2.imread('./amygdalus triloba.png')
print(img.shape)
mask = np.zeros(img.shape,np.uint8)
mask[120:180,:,:] = 255
mask[:,90:150,:] = 255
dst = cv2.bitwise_or(img, mask)
cv2.imshow('img',img)
cv2.imshow('mask',mask)
cv2.imshow('dst',dst)
cv2.waitKey()
cv2.destroyAllWindows()
结果:
示例代码:
两个数进行或运算
import cv2
import numpy as np
cv2.namedWindow('new_img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('new_img',800,600)
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')
new_dog = dog[0:1078,0:1095]
cat_or = cv2.bitwise_or(cat,new_dog)
print(cat[:2,:2])
print('---------------------')
print(dog[:2,:2])
print('---------------------')
print(cat_or[:2,:2])
cv2.imshow('new_img',np.hstack((cat,new_dog,cat_and)))
cv2.waitKey()
cv2.destroyAllWindows()
结果:
[[[195 216 244]
[194 215 243]]
[[194 215 243]
[193 214 242]]]
[[[215 254 253]
[207 247 251]]
[[215 247 251]
[213 247 254]]]
非运算 ~
关键API: dst = cv2.bitwise_not(src,mask)
其中:
src
:参与运算的图像mask
:可选参数,掩膜
返回值:
dst
:取反运算之后的结果图像
如 ~255 = 0, ~195 = 60
,在opencv中取非就是相当于用255减去取非的数
import cv2
import numpy as np
cv2.namedWindow('new_img',cv2.WINDOW_NORMAL)
cv2.resizeWindow('new_img',800,600)
cat = cv2.imread('./cat.jpeg')
cat_not = cv2.bitwise_not(cat)
print(cat[:2,:2])
print('---------------------')
print(cat_not[:2,:2])
cv2.imshow('new_img',np.hstack((cat,cat_not)))
cv2.waitKey()
cv2.destroyAllWindows()
结果:
`python
cat:
[[[195 216 244]
[194 215 243]]
[[194 215 243]
[193 214 242]]]
[[[ 84 102 125]
[ 79 100 122]]
[[ 85 102 123]
[ 84 103 124]]]
Original: https://blog.csdn.net/m0_59466249/article/details/125537910
Author: Lionetxx
Title: OpenCV:03图像的算数运算
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/763553/
转载文章受原作者版权保护。转载请注明原作者出处!