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。
Python OpenCV 图像处理之 图像运算和图像位运算知识补充相关推荐
- Python+OpenCV 图像处理系列(9)—— 图像的翻转和缩放插值
1. 图像的翻转 图像翻转 (Image Flip),图像翻转的本质像素映射,OpenCV 支持三种图像翻转方式: X轴翻转,flipcode = 0 Y轴翻转, flipcode = 1 XY轴翻转 ...
- Python+OpenCV 图像处理系列(5)—— 图像 ROI 操作及通道的拆分合并
1. 图像 ROI 有时你需要对一幅图像的特定区域进行操作.例如我们要检测一副图像中眼睛的位置,我们首先应该在图像中找到脸,再在脸的区域中找眼睛,而不是直接在一幅图像中搜索.这样会提高程序的准确性和性 ...
- Python+OpenCV 图像处理系列(4)—— 图像像素的读写、算术运算、逻辑运算及像素的统计
1. 像素的读写 可以根据像素的行和列的坐标获取它的像素值.对 BGR 图像而言,返回值为 B,G,R 的值. img.shape 可以获取图像的形状.它的返回值是一个包含行数 h,列数 w,通道数 ...
- Python+OpenCV 图像处理系列(7)—— 图像色彩空间及转换
1. 色彩空间转换函数 cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 第一个参数为加载在内存的读片,第二个参数为转换的类型,其中包括: COLOR_BGR2GRAY = ...
- Python OpenCV图像处理:❤️转换+梯度❤️边缘检测+图像融合,aplacian金字塔合成新物种
- Python+Opencv图像处理新手入门教程(二):颜色空间转换,图像大小调整,灰度直方图
一步一步来吧 上一节:Python+Opencv图像处理新手入门教程(一):介绍,安装与起步 1.什么是图像 对于计算机而言,图像的本质是一个由像素点构成的矩阵. 例如我们用肉眼很容易分辨一辆汽车的后 ...
- Python+OpenCV图像处理(五)——图像阈值和二值化
系列文章 Python+OpenCV图像处理(一)--OpenCV框架与图像插值算法 Python+OpenCV图像处理(二)--几何变换 Python+OpenCV图像处理(三)--彩色空间互换 P ...
- Python+OpenCV图像处理(一篇全)
参考:1.网易云课堂 Python+OpenCV图像处理 - 网易云课堂 2.[在水一方xym的博客]业精于勤荒于嬉,行成于思毁于随 - CSDN博客 https://blog.csdn.net/za ...
- Python OpenCV图像处理 理论 代码
python opencv图像处理 GitHub - LeBron-Jian/ComputerVisionPractice OpenCV计算机视觉学习 & 代码 OpenCV计算机视觉学习(1 ...
- Python+Opencv图像处理新手入门教程(四):视频内容的读取与导出
一步一步来吧 上一节: Python+Opencv图像处理新手入门教程(三):阈值与二值化 1.Intro 今天这节我们主要看怎么利用opencv读取并处理视频中的内容. 2.VideoCapture ...
最新文章
- 十步完全理解 SQL
- Linux服务源码安装后开机自启动04-php-fpm
- 怎么把本地的文件传给服务器,怎么把本地文件传给云服务器
- rsync远程数据同步工具的使用
- CentOS 6.3安装Nginx开启目录浏览、下载功能
- linux内核镜像解压,解压内核镜像
- 直接销毁_战机报废,发动机怎么处理?美国直接销毁,中国改造成扫雪神器
- 用python写helloworld_Python Helloworld程序简单实现
- hog函数的用法 python_Python常见内置函数用法(三)
- C/C++ OpenCV均值滤波
- 简单的Site to site ipsec ×××实验
- SQLServer2008将表数据导出的方法
- 快速浏览Silverlight3 beta:鸡肋一样的WritableBitmap
- 京东快递 单号查询接口 C# .net
- 7.JUC 三大辅助类
- OAuth 2.0 授权认证详解
- 第1章 Dev C++的使用
- 六步绘制漂亮思维导图简单画法
- 道不投不足与谋:(,决定放弃原来的博客空间,不再更新
- ArcBlock 分享 | 在国外,没有中国人参与的项目就不投