4、opencv图像基本操作和算术运算16个应用案例

1、图像加法运算（用numpy）

对像素值取模(大于255的减去255用余值作为像素)
通过将数组的数值类型定义为 dtype= np.uint8,可以保证数组值的范围在[0,255] 之间

import numpy as np
img1 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)#选取0，256的随机数，组成3*3的矩阵，指定的数据类型dtype保证数值范围，自动取模
img2 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)
print("img1=\n", img1)#打印随机矩阵
print("img2=\n", img2)
print("img1+img2=\n", img1+img2)#两个矩阵相加

2、图像加法运算（用opencv）

与1的区别：使用函数 cv2.add()对像素值a 和像素值b 进行求和运算时,会得到像素值对应图像的饱和值(最大值255)。

import numpy as np
import cv2
img1 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)
img2 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)
print("img1=\n", img1)
print("img2=\n", img2)
img3=cv2.add(img1, img2)
print("cv2.add(img1,img2)=\n", img3)

3、图像的加法运算——图像实例

用numpy和opencv比较图像的现象
numpy取模，opencv部分像素值达到饱和变亮

import cv2
a = cv2.imread("lena.bmp", 0)
b = a
result1 = a+b
result2 = cv2.add(a, b)
cv2.imshow("original", a)#最原始的图像
cv2.imshow("result1", result1)#两个相同图象的像素值相加
cv2.imshow("result2", result2)#add函数求和，得到对应图像的饱和值
cv2.waitKey()
cv2.destroyAllWindows()

4、图像的加权和（融合）

函数 cv2.addWeighted,用来实现图像的加权和(混合、融合)
np.ones()函数返回给定形状和数据类型的新数组,其中元素的值设置为1

import cv2
import numpy as np
img1 = np.ones((3, 4), dtype=np.uint8)*100#生成一个 3×4 大小的、元素数值都是 100 的二维数组,对应一个灰度图像 imgl
img2 = np.ones((3, 4), dtype=np.uint8)*10#生成一个 3×4 大小的、元素数值都是 10 的二维数组,对应一个灰度图像 img2
gamma = 3 #将调节亮度参数 gamma 的值设置为3
img3 = cv2.addWeighted(img1, 0.6, img2, 5, gamma) #计算“img1×0.6+img2×5+3”的混合值
print(img3)

5、两幅图像按权重融合

使用函数cv2.addWeighted() 对两幅图像进行加权混合,观察处理结果

import cv2
a=cv2.imread("boat.bmp")
b=cv2.imread("lena.bmp")
result=cv2.addWeighted(a, 0.6, b, 0.4, 0)
cv2.imshow("boat", a)
cv2.imshow("lena", b)
cv2.imshow("result", result)#图像boat和图像lean加权混合结果图像
cv2.waitKey()
cv2.destroyAllWindows()

3、扣取ROI图像混合在另外一幅图中

使用函数 cv2.addWeighted() 将一幅图像的ROI 混合在另外一幅图像内

import cv2
lena = cv2.imread("lena512.bmp", cv2.IMREAD_UNCHANGED)
dollar = cv2.imread("dollar.bmp", cv2.IMREAD_UNCHANGED)
cv2.imshow("lena", lena)
cv2.imshow("dollar", dollar)
face1 = lena[220:400, 250:350]
face2 = dollar[160:340, 200:300]
add = cv2.addWeighted(face1, 0.6, face2, 0.4, 0)#实现图像加权和
dollar[160:340, 200:300] = add#lena 的面部与图像 dollar 的面部加权混合得到的图像
cv2.imshow("result", dollar)
cv2.waitKey()
cv2.destroyAllWindows()

7、按位逻辑运算

cv2.bitwise_and（）：与操作
和0位与则为0，和255位与则为数值本身

mport cv2
import numpy as np
a = np.random.randint(0, 255, (5, 5), dtype=np.uint8)
b = np.zeros((5, 5), dtype=np.uint8)
b[0:3, 0:3] = 255
b[4, 4] = 255
c = cv2.bitwise_and(a, b)#按位与操作有如下特点:# 将任何数值N 与数值0 进行按位与操作,都会得到数值0#将任何数值N(这里仅考虑8 位值)与数值 255(8 位二进制数是1111 1111）进行按位与操作,都会得到数值N本身
print("a=\n", a)
print("b=\n", b)
print("c=\n", c)

8、图像按位与运算

import cv2
import numpy as np
a = cv2.imread("lena.bmp", 0)
b = np.zeros(a.shape, dtype=np.uint8)
b[100:400, 200:400] = 255
b[100:500, 100:200] = 255
c = cv2.bitwise_and(a, b) #按位逻辑运算
cv2.imshow("a", a)
cv2.imshow("b", b)
cv2.imshow("c", c)
cv2.waitKey()
cv2.destroyAllWindows()

9、图像按位与运算

import cv2
import numpy as np
a = cv2.imread("lena.bmp", 1)
b = np.zeros(a.shape, dtype=np.uint8)
b[100:400, 200:400] = 255
b[100:500, 100:200] = 255
c = cv2.bitwise_and(a, b)#按位逻辑运算
print("a.shape=", a.shape)
print("b.shape=", b.shape)
cv2.imshow("a", a)
cv2.imshow("b", b)
cv2.imshow("c", c)
cv2.waitKey()
cv2.destroyAllWindows()

10、图像的叠加

掩模：用选定的图像、图形或物体，对待处理的图像（局部或全部）进行遮挡来控制图像处理的区域或处理过程。由于覆盖的特定图像或物体称为掩模或模板。

import cv2
import numpy as np
img1=np.ones((4,4),dtype=np.uint8)*3
img2=np.ones((4,4),dtype=np.uint8)*5
mask=np.zeros((4,4),dtype=np.uint8)#掩模
mask[2:4,2:4]=1
img3=np.ones((4,4),dtype=np.uint8)*66
print("img1=\n",img1)
print("img2=\n",img2)
print("mask=\n",mask)
print("初始值img3=\n",img3)
img3=cv2.add(img1,img2,mask=mask)#下面将仅仅取含有mask区域部分
print("求和后img3=\n",img3)

11、图像的叠加——图像实例

mask用关键词传递参数

import cv2
import numpy  as np
a=cv2.imread("lena.bmp",1)
w,h,c=a.shape
mask=np.zeros((w,h),dtype=np.uint8)
mask[100:400,200:400]=255
mask[100:500,100:200]=255
c=cv2.bitwise_and(a,a,mask=mask)#背景变成白为1的保留下来，其他位置变成黑色为0
print("a.shape=",a.shape)
print("mask.shape=",mask.shape)
cv2.imshow("a",a)
cv2.imshow("mask",mask)
cv2.imshow("c",c)
cv2.waitKey()
cv2.destroyAllWindows()

12、加法运算

函数 cv2.add()中的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)

import cv2
import numpy as np
img1=np.ones((4,4),dtype=np.uint8)*3
img2=np.ones((4,4),dtype=np.uint8)*5
print("img1=\n",img1)
print("img2=\n",img2)
img3=cv2.add(img1,img2)
print("cv2.add(img1,img2)=\n",img3)
img4=cv2.add(img1,6)
print("cv2.add(img1,6)\n",img4)
img5=cv2.add(6,img2)
print("cv2.add(6,img2)=\n",img5)

13、图层提取

import cv2
import numpy as np
lena=cv2.imread("lena.bmp",0)
cv2.imshow("lena",lena)
r,c=lena.shape  #读取图像的行列
x=np.zeros((r,c,8),dtype=np.uint8)#有8个r*c的面，首先对每个面的每个值进行赋值成0
for i in range(8):x[:,:,i]=2**i
r=np.zeros((r,c,8),dtype=np.uint8)
for i in range(8):r[:,:,i]=cv2.bitwise_and(lena,x[:,:,i])#把这8个面分别与lena.jpg图像相与，会得到八个图像mask=r[:,:,i]>0r[mask]=255  #将像素值大于0的都设为255，目的在于提高亮度，否在值过低就接近黑色了cv2.imshow(str(i),r[:,:,i])
cv2.waitKey()
cv2.destroyAllWindows()

14、异或加密解密

import cv2
import numpy as np
lena=cv2.imread("lena.bmp",0)
r,c=lena.shape
key=np.random.randint(0,256,size=[r,c],dtype=np.uint8)# 生成随机的密钥图像
encryption=cv2.bitwise_xor(lena,key)#按位异或加密
decryption=cv2.bitwise_xor(encryption,key)#解密
cv2.imshow("lena",lena)#显示原始图像
cv2.imshow("key",key)#显示密钥图像
cv2.imshow("encryption",encryption)#显示密文图像
cv2.imshow("decryption",decryption)#显示解密后的图像
cv2.waitKey()
cv2.destroyAllWindows()

15、数字水印

import cv2
import numpy as np
#读取原始载体图像
lena=cv2.imread("lena.bmp",0)
#读取水印图像
watermark=cv2.imread("watermark.bmp",0)
#将水印内的255处理为1，以方便嵌入
#后续章节会介绍使用threshold处理。
w=watermark[:,:]>0
watermark[w]=1
#读取原始载体图像的shape值
r,c=lena.shape
#============嵌入过程============
#生成内部值都是254的数组
t254=np.ones((r,c),dtype=np.uint8)*254
#获取lena图像的高7位
lenaH7=cv2.bitwise_and(lena,t254)
#将watermark嵌入到lenaH7内
e=cv2.bitwise_or(lenaH7,watermark)
#============提取过程============
#生成内部值都是1的数组
t1=np.ones((r,c),dtype=np.uint8)
#从载体图像内，提取水印图像
wm=cv2.bitwise_and(e,t1)
print(wm)
#将水印内的1处理为255以方便显示
#后续章节会介绍threshold实现。
w=wm[:,:]>0
wm[w]=255
#============显示============
cv2.imshow("lena",lena)
cv2.imshow("watermark",watermark*255)   #当前watermark内最大值为1
cv2.imshow("e",e)
cv2.imshow("wm",wm)
cv2.waitKey()
cv2.destroyAllWindows()

16、面部打码及解码

import cv2
import numpy as np
#读取原始载体图像
lena=cv2.imread("lena.bmp",0)
#读取原始载体图像的shape值
r,c=lena.shape
mask=np.zeros((r,c),dtype=np.uint8)
mask[220:400,250:350]=1
#获取一个key,打码、解码所使用的密钥
key=np.random.randint(0,256,size=[r,c],dtype=np.uint8)
#============获取打码脸============
#使用密钥key加密原始图像lena
lenaXorKey=cv2.bitwise_xor(lena,key)
#获取加密图像的脸部信息encryptFace
encryptFace=cv2.bitwise_and(lenaXorKey,mask*255)
#将图像lena内的脸部值设置为0，得到noFace1
noFace1=cv2.bitwise_and(lena,(1-mask)*255)
#得到打码的lena图像
maskFace=encryptFace+noFace1
#============将打码脸解码============
#将脸部打码的lena与密钥key异或，得到脸部的原始信息
extractOriginal=cv2.bitwise_xor(maskFace,key)
#将解码的脸部信息extractOriginal提取出来得到extractFace
extractFace=cv2.bitwise_and(extractOriginal,mask*255)
#从脸部打码的lena内提取没有脸部信息的lena图像，得到noFace2
noFace2=cv2.bitwise_and(maskFace,(1-mask)*255)
#得到解码的lena图像
extractLena=noFace2+extractFace
#============显示图像============
cv2.imshow("lena",lena)
cv2.imshow("mask",mask*255)
cv2.imshow("1-mask",(1-mask)*255)
cv2.imshow("key",key)
cv2.imshow("lenaXorKey",lenaXorKey)
cv2.imshow("encryptFace",encryptFace)
cv2.imshow("noFace1",noFace1)
cv2.imshow("maskFace",maskFace)
cv2.imshow("extractOriginal",extractOriginal)
cv2.imshow("extractFace",extractFace)
cv2.imshow("noFace2",noFace2)
cv2.imshow("extractLena",extractLena)
cv2.waitKey()
cv2.destroyAllWindows()

4、opencv图像基本操作和算术运算16个应用案例相关推荐

Opencv图像基本操作
唐宇迪博士opencv课程学习笔记 Opencv图像基本操作数据读取-图像数据读取-视频截取部分图像数据颜色通道提取边界填充数值计算图像融合图像重构数据读取-图像 cv2.IMREA ...
OpenCV 图像基本操作
################################################################# [纸上得来终觉浅,绝知此事要躬行] B站视频新课件:https:/ ...
opencv 图像基本操作像素值的获取、图像大小、ROI、通道分割与合并等
opencv中的图像基本操作方法访问和修改图像某像素点的值函数 a=img[y,x] #获取像素点的值 img[y,x]=b #修改像素点的值实例 import cv2 as cv import ...
OpenCV图像基本操作——图像合成
实验要求现有一张4通道透明图像a.png:从其中提取出alpha通道并显示;用alpha混合,为a.png替换一张新的背景(背景图自选)png格式图片多了一个通道来显示透明度,具体如下图所示: 图片 ...
Opencv图像基本操作——读取、显示、截取图像、属性、颜色通道、边界填充、图像融合
引言我们都会有一个疑惑:计算机眼中的图像长什么样子呢? 首先拿来一张图片分割成无数个小格,每一个小格叫做像素点,计算机中的图像是由像素点构成的像素矩阵,像素点构成它的每一个值都是在0-255之间浮动 ...
十五天掌握OpenCV——图像上的算术运算
魏老师学生--Cecil:学习OpenCV-机器视觉之旅图像加法代码演示图像混合代码演示按位运算代码演示 Aim:掌握图像的:加法.减法.位运算.cv2.add().cv2.addWeig ...
OpenCV计算机视觉实战 - Task1 - 一文详尽OpenCV 图像基本操作
################################################################# [纸上得来终觉浅,绝知此事要躬行] B站视频新课件:https:/ ...
【OpenCV 例程200篇】16. 不同尺寸的图像加法
[OpenCV 例程200篇]16. 不同尺寸的图像加法欢迎关注『OpenCV 例程200篇』系列,持续更新中欢迎关注『Python小白的OpenCV学习课』系列,持续更新中函数 cv2 ...
Opencv--Mat图像基本操作
Opencv图像处理基本操作 1基本数据类型图像有若干个通道,灰度图像只有一个通道,而彩色具有红,绿,蓝组成,但是OpenCv以逆序的方式来存储三个分量,还可以使用第四个透明度(alpha),可以使 ...

4、opencv图像基本操作和算术运算16个应用案例

4、opencv图像基本操作和算术运算16个应用案例相关推荐

最新文章

热门文章