一.图像加法运算
1.Numpy库加法
其运算方法是：目标图像 = 图像1 + 图像2，运算结果进行取模运算。
当像素值<=255时，结果为“图像1+图像2”，例如：120+48=168
当像素值>255时，结果为对255取模的结果，例如：(255+64)%255=64
2.OpenCV加法运算
另一种方法是直接调用OpenCV库实现图像加法运算，方法如下：
目标图像 = cv2.add(图像1, 图像2)
此时结果是饱和运算，即：
当像素值<=255时，结果为“图像1+图像2”，例如：120+48=168
当像素值>255时，结果为255，例如：(255+64) = 255
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('picture.bmp')
test = img
#方法一：Numpy加法运算
result1 = img + test
#方法二：OpenCV加法运算
result2 = cv2.add(img, test)
#显示图像
cv2.imshow("original", img)
cv2.imshow("result1", result1)
cv2.imshow("result2", result2)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示，其中result1为第一种方法，result2为第二种方法，白色点255更多。
注意：参与运算的图像大小和类型必须一致。下面是对彩色图像进行加法运算的结果。
二.图像融合
图像融合通常是指将2张或2张以上的图像信息融合到1张图像上，融合的图像含有更多的信息，能够更方便人们观察或计算机处理。如下图所示，将两张不清晰的图像融合得到更清晰的图。
图像融合是在图像加法的基础上增加了系数和亮度调节量。
图像加法：目标图像 = 图像1 + 图像2
图像融合：目标图像 = 图像1 * 系数1 + 图像2 * 系数2 + 亮度调节量
主要调用的函数是addWeighted，方法如下：
dst = cv2.addWeighter(scr1, alpha, src2, beta, gamma)
dst = src1 * alpha + src2 * beta + gamma
其中参数gamma不能省略。
代码如下：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
src1 = cv2.imread('test22.jpg')
src2 = cv2.imread('picture.bmp')
#图像融合
result = cv2.addWeighted(src1, 1, src2, 1, 0)
#显示图像
cv2.imshow("src1", src1)
cv2.imshow("src2", src2)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
需要注意的是，两张融合的图像像素大小需要一致，如下图所示，将两张RGB且像素410*410的图像融合。
设置不同的比例的融合如下所示：
result = cv2.addWeighted(src1, 0.6, src2, 0.8, 10)
三.图像类型转换
图像类型转换是指将一种类型转换为另一种类型，比如彩色图像转换为灰度图像、BGR图像转换为RGB图像。OPenCV提供了200多种不同类型之间的转换，其中最常用的包括3类，如下：
cv2.COLOR_BGR2GRAY
cv2.COLOR_BGR2RGB
cv2.COLOR_GRAY2BGR
代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
src = cv2.imread('01.bmp')
#图像类型转换
result = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示：
如果使用通道转化，则结果如下图所示：
result = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)
四.图像缩放
图像缩放主要调用resize()函数实现，具体如下：
result = cv2.resize(src, dsize[, result[. fx[, fy[, interpolation]]]])
其中src表示原始图像，dsize表示缩放大小，fx和fy也可以表示缩放大小倍数，他们两个（dsize或fx\fy）设置一个即可实现图像缩放。例如：
result = cv2.resize(src, (160,160))
result = cv2.resize(src, None, fx=0.5, fy=0.5)
图像缩放：设（x0, y0）是缩放后的坐标，（x, y）是缩放前的坐标，sx、sy为缩放因子，则公式如下：
代码示例如下所示：
#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = cv2.imread('test.jpg')
#图像缩放
result = cv2.resize(src, (200,100))
print result.shape
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示，图像缩小为（200，100）像素。
需要注意的是，代码中 cv2.resize(src, (200,100)) 设置的dsize是列数为200，行数为100。
同样，可以获取原始图像像素再乘以缩放系数进行图像变换，代码如下所示。
#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = cv2.imread('test.jpg')
rows, cols = src.shape[:2]
print rows, cols
#图像缩放 dsize(列,行)
result = cv2.resize(src, (int(cols*0.6), int(rows*1.2)))
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示：
最后讲解(fx,fy)缩放倍数的方法对图像进行放大或缩小。
#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = cv2.imread('test.jpg')
rows, cols = src.shape[:2]
print rows, cols
#图像缩放
result = cv2.resize(src, None, fx=0.3, fy=0.3)
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
最后输出的结果如下图所示，这是按例比0.3*0.3缩小的。
五.图像旋转
图像旋转主要调用getRotationMatrix2D()函数和warpAffine()函数实现，绕图像的中心旋转，具体如下：
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
参数分别为：旋转中心、旋转度数、scale
rotated = cv2.warpAffine(src, M, (cols, rows))
参数分别为：原始图像、旋转参数、原始图像宽高
图像旋转：设（x0, y0）是旋转后的坐标，（x, y）是旋转前的坐标，(m,n)是旋转中心，a是旋转的角度，(left,top)是旋转后图像的左上角坐标，则公式如下：
代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = cv2.imread('test.jpg')
#原图的高、宽 以及通道数
rows, cols, channel = src.shape
#绕图像的中心旋转
#参数：旋转中心 旋转度数 scale
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
#参数：原始图像 旋转参数 元素图像宽高
rotated = cv2.warpAffine(src, M, (cols, rows))
#显示图像
cv2.imshow("src", src)
cv2.imshow("rotated", rotated)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示：
如果设置-90度，则核心代码和图像如下所示。
M = cv2.getRotationMatrix2D((cols/2, rows/2), -90, 1)
rotated = cv2.warpAffine(src, M, (cols, rows))
六.图像翻转
图像翻转在OpenCV中调用函数flip()实现，原型如下：
dst = cv2.flip(src, flipCode)
其中src表示原始图像，flipCode表示翻转方向，如果flipCode为0，则以X轴为对称轴翻转，如果fliipCode>0则以Y轴为对称轴翻转，如果flipCode<0则在X轴、Y轴方向同时翻转。
代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('test.jpg')
src = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#图像翻转
#0以X轴为对称轴翻转 >0以Y轴为对称轴翻转 <0X轴Y轴翻转
img1 = cv2.flip(src, 0)
img2 = cv2.flip(src, 1)
img3 = cv2.flip(src, -1)
#显示图形
titles = ['Source', 'Image1', 'Image2', 'Image3']
images = [src, img1, img2, img3]
for i in xrange(4):
plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
输出结果如下图所示：
七.图像平移
图像平移：设（x0, y0）是缩放后的坐标，（x, y）是缩放前的坐标，dx、dy为偏移量，则公式如下：
图像平移首先定义平移矩阵M，再调用warpAffine()函数实现平移，核心函数如下：
M = np.float32([[1, 0, x], [0, 1, y]])
shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
完整代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('test.jpg')
image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#图像平移 下、上、右、左平移
M = np.float32([[1, 0, 0], [0, 1, 100]])
img1 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
M = np.float32([[1, 0, 0], [0, 1, -100]])
img2 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
M = np.float32([[1, 0, 100], [0, 1, 0]])
img3 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
M = np.float32([[1, 0, -100], [0, 1, 0]])
img4 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
#显示图形
titles = [ 'Image1', 'Image2', 'Image3', 'Image4']
images = [img1, img2, img3, img4]
for i in xrange(4):
plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
输出结果如下图所示：
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
