Python OpenCV 图像处理之图像运算和图像位运算知识补充

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 51 篇。
该系列文章导航参考：https://blog.csdn.net/hihell/category_10688961.html

Python OpenCV

学在前面
图像加法
图像加权和
按位逻辑运算
- 按位与
- 按位或
- 按位取反语按位异或
图像与数值的计算
橡皮擦的小节

学在前面

第二次学习图像相关的运算操作了，希望你可以学到新的知识，俺也一样。

图像加法

图像处理中的加法运算，可以使用运算符 +，也可以使用 cv.add 函数。

补充的第一个知识点，就是在灰度图中，两种图像加法运算存在差异。

import cv2 as cv
import numpy as npsrc1 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)
src2 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)print("src1 像素如下")
print(src1)print("src2 像素如下")
print(src2)print("src1 + src2 像素如下")
print(src1+src2)

使用 + 与 cv.add 函数得到的结果如下：

src1 像素如下
[[ 27 119  55][ 84  41 192][140 167 153]]
src2 像素如下
[[ 97  19 184][218 229 146][160  67 221]]
src1 + src2 像素如下
[[124 138 239][ 46  14  82][ 44 234 118]]
使用 cv.add 函数结果如下
[[124 138 239][255 255 255][255 234 255]]

对比之后，很容易发现差异，使用运算符 + 进行计算，140+160 = 300（对应位置灰度值相加），但是结果为 44，该值是 300 对 256 取的余数，所以结论是运算符 + 进行计算之后，最终得到的像素值如果大于 255 ，则要对 256 进行取模操作，对应的使用 cv.add 函数之后，结果保留最大值 255。
针对灰度图片，可以执行下述代码，查看二者差异。

import cv2 as cv
import numpy as npsrc1 = cv.imread("./51.jpg", 0)
src2 = cv.imread("./51.jpg", 0)src = src1+src2
cv.imshow("src1+src2", src)src = cv.add(src1, src2)
cv.imshow("cv.add(src1, src2) ", src)cv.waitKey()
cv.destroyAllWindows()

图像加权和

在计算两幅图像的像素之和的时候，可以考虑到权重因素。由以前的博客知道，该函数原型是：

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

其中 alpha 和 beta 是 src1 和 src2 的系数，它们的和可以等于 1，也可以不等于，参数 gamma 一般为 0，表示的是亮度调节，最终得到的图像是 dst = src1 x alpha + src2 x beta +gamma。

使用下述案例，可以简单了解该函数的运行原理与结果。

import cv2 as cv
import numpy as npsrc1 = np.ones((3, 3), dtype=np.uint8) * 100
src2 = np.ones((3, 3), dtype=np.uint8) * 10gamma = 5src3 = cv.addWeighted(src1, 0.6, src2, 0.4, gamma)
print(src1)
print(src2)
print(src3)

运行之后得到的结果如下：

[[100 100 100][100 100 100][100 100 100]]
[[10 10 10][10 10 10][10 10 10]]
[[69 69 69][69 69 69][69 69 69]]

灰度值 69 由 100*0.6+10*0.4+5 得来。
实际对两幅灰度图进行操作，可以得到如下结果：

import cv2 as cv
import numpy as npsrc1 = cv.imread("./src1.jpg", 0)
src2 = cv.imread("./src2.jpg", 0)ret = cv.addWeighted(src1, 0.5, src2, 0.5, 0)
cv.imshow("ret", ret)
cv.waitKey()
cv.destroyAllWindows()

按位逻辑运算

在图像处理中，常见的位运算函数如下;

cv.bitwise_and：按位与；
cv.bitwise_or：按位或；
cv.bitwise_xor：按位异或；
cv.bitwise_not：按位取反。

按位与

位运算操作的是二进制数字，在无符号 8 位图像里面，按位与操作需要对应位置为 1 结果才为 1，否则都为 0。

	十进制灰度值	二进制灰度值
src1	100	01100100
src2	200	11001000
按位与运算结果	64	01000000

bitwise_and 对应的函数原型是：

dst = cv.bitwise_and(src1,src2[,mask])

src1 与 src2 都是输入值，mask 是掩膜，任何数值与 0 进行按位与操作，都会得到 0，任何数值与 255 进行按位与操作，都会得到数值本身，上述数值都是 8 位无符号数字。

可以通过生成一张灰度图进行测试。

import cv2 as cv
import numpy as npgray_src = np.random.randint(0, 255, (7, 7), dtype=np.uint8)
black_src = np.zeros((7, 7), dtype=np.uint8)
black_src[3:7, 3:7] = 255dst = cv.bitwise_and(gray_src, black_src)
print("gray_src")
print(gray_src)print("black_src")
print(black_src)print("dst")
print(dst)

运行结果如下，注意右下角数值进行计算之后，得到的结果是原值。

gray_src
[[163 207 197  64  54 181  28][ 14 145 190  70  99  25  38][ 44 221 109 115 229 222 200][223  51 222 114 204  46  90][216  98  47  47 151  15 196][ 73  59 187 100 123  56  38][177 105 237   8 129  64  30]]
black_src
[[  0   0   0   0   0   0   0][  0   0   0   0   0   0   0][  0   0   0   0   0   0   0][  0   0   0 255 255 255 255][  0   0   0 255 255 255 255][  0   0   0 255 255 255 255][  0   0   0 255 255 255 255]]
dst
[[  0   0   0   0   0   0   0][  0   0   0   0   0   0   0][  0   0   0   0   0   0   0][  0   0   0 114 204  46  90][  0   0   0  47 151  15 196][  0   0   0 100 123  56  38][  0   0   0   8 129  64  30]]

循着这个案例，你可以实现对一副图像进行掩膜操作。

按位或

按位或与按位与用法基本一致，就是在进行二进制计算的时候，对应位有一个是 1，结果就是 1。

	十进制灰度值	二进制灰度值
src1	100	01100100
src2	200	11001000
按位或运算结果	236	11101100

按位取反语按位异或

按位取反，计算方式是 1 变成 0,0 变成 1。
按位异或操作，计算方式是二进制位如果对应都是 0 或者 1，那结果是 0，对应位置有一个 1，一个 0，结果是 1。
后面的了解即可。

图像与数值的计算

在图像处理的加法运算中，cv.add 函数可以将图像与一个数值进行计算，例如下述代码：

import cv2 as cv
import numpy as npsrc = np.ones((3, 3), dtype=np.uint8)*5
print("src")
print(src)dst = cv.add(src, 5)
dst1 = cv.add(5, src)
print("dst")
print(dst)print("dst1")
print(dst1)

运算结果如下，得到了最后的效果，而且交换两个参数的位置，不影响最后的结果。

src
[[5 5 5][5 5 5][5 5 5]]
dst
[[10 10 10][10 10 10][10 10 10]]
dst1
[[10 10 10][10 10 10][10 10 10]]

橡皮擦的小节

希望今天的 1 个小时你有所收获，我们下篇博客见~

相关阅读

技术专栏

Python 爬虫 100 例教程，超棒的爬虫教程，立即订阅吧
Python 爬虫小课，精彩 9 讲

今天是持续写作的第 95 / 100 天。
如果你想跟博主建立亲密关系，可以关注同名公众号梦想橡皮擦，近距离接触一个逗趣的互联网高级网虫。
博主 ID：梦想橡皮擦，希望大家点赞、评论、收藏。