Python+opencv：(6)图像的运算

(6)图像的运算

import cv2                              # opencv读取的格式是BGR
# import matplotlib.pyplot as plt         # Matplotlib是RGB
import numpy as np
import time

#  .........................掩膜............................
# 掩模，也叫作掩码，英文为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当作掩模的值）
mask = np.zeros((150, 150, 3), np.uint8)
mask[50:100, 20:80, :] = 255  # 50-100行,20-80列像素改为白色
# cv2.imshow('mask1', mask)
mask[:, :, :] = 255  # 全改为白色
mask[50:100, 20:80, :] = 0  # 50-100行,20-80列像素改为黑色
# cv2.imshow('mask2', mask)


#  .........................图像的加法运算............................
# 图像中每一个像素都有用整数表示的像素值，2幅图像相加就是让相同位置像素值相加，最后将计算结果按照原位置重新组成一幅新图像
# 1.分别使用“+”和add()方法计算图像和
img = cv2.imread('1.jpeg')
sum1 = img + img  # “+”运算符的计算结果如果超出了255，就会取相加和除以255的余数，也就是取模运算，像素值相加后反而变得更小，由浅色变成了深色
sum2 = cv2.add(img, img)  # add()方法的计算结果如果超过了255，就取值255，很多浅颜色像素彻底变成了纯白色。
# cv2.imshow('sum1', sum1)
# cv2.imshow('sum2', sum2)

# 2.模拟三色光叠加得白光
img1 = np.zeros((150, 150, 3), np.uint8)
img1[:, :, 0] = 255  # 蓝色通道赋予最大值
img2 = np.zeros((150, 150, 3), np.uint8)
img2[:, :, 1] = 255  # 绿色通道赋予最大值
img3 = np.zeros((150, 150, 3), np.uint8)
img3[:, :, 2] = 255  # 红色通道赋予最大值
img = cv2.add(img1, img2)  # 蓝+绿=青
# cv2.imshow('img1+img2', img)
img = cv2.add(img, img3)  # 红+青=白
# cv2.imshow('1+2+3', img)

# 3.利用掩模遮盖相加结果
img = cv2.add(img1, img3)  # 蓝+红=洋红
# cv2.imshow('no_mask', img)
m = np.zeros((150, 150, 1), np.uint8)  # 通道为1
m[50:100, 50:100, :] = 255  # 创建中间为白色的掩膜
# cv2.imshow('mask', m)
img = cv2.add(img1, img3, mask=m)  # 相加使用掩膜，相加的结果只会保留掩模中白色覆盖的区域
# cv2.imshow('use_mask', img)


#  .........................图像的位运算............................
# 1.按位与运算
# 1=1     1    都为一为一
# x!=y    0
# 图像做与运算时，会把每一个像素值都转为二进制数，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
# 两特点：img与白=img，img与黑=黑，如果原图像与掩模进行与运算，原图像仅保留掩模中白色区域覆盖的内容，其他区域全部变成黑色
img = cv2.imread('1.jpeg')
mask = np.zeros(img.shape, np.uint8)
mask[100:200, :, :] = 255  # 水平白色区域
mask[:, 300:400, :] = 255  # 垂直白色区域
img = cv2.bitwise_and(img, mask)  # 与运算
# cv2.imshow('img', img)  # 图像与十字掩模做与运算，仅保留了掩模中白色区域覆盖的内容，其他区域都变成了黑色

# 2.按位或运算
# 0=0     0    都为0为0
# x!=y    1
# 两特点：img与白=白，img与黑=img，如果原图像与掩模进行或运算，原图像仅保留掩模中黑色区域覆盖的内容，其他区域全部变成白色
img = cv2.imread('1.jpeg')
mask = np.zeros(img.shape, np.uint8)
mask[100:200, :, :] = 255  # 水平白色区域
mask[:, 300:400, :] = 255  # 垂直白色区域
img = cv2.bitwise_or(img, mask)  # 或运算
# cv2.imshow('img', img)  # 图像与十字掩模做与运算，仅保留了掩模中黑色区域覆盖的内容，其他区域都变成了白色

# 3.按位取反运算
# 1->0, 0->1
img = cv2.imread('1.jpeg')
img = cv2.bitwise_not(img)  # 取反运算
# cv2.imshow('img', img)

# 4.按位异或运算
# x=y     0    同为0，异为1
# x!=y    1
# 两特点：img与白=img取反，img与黑=img,掩模白色区域覆盖的内容呈现取反效果，黑色区域覆盖的内容保持不变
img = cv2.imread('1.jpeg')
mask = np.zeros(img.shape, np.uint8)
mask[100:200, :, :] = 255  # 水平白色区域
mask[:, 300:400, :] = 255  # 垂直白色区域
img = cv2.bitwise_xor(img, mask)  # 或运算
# cv2.imshow('img', img)

# 异或运算另一特点：执行一次异或运算得到一个结果，再对这个结果执行第二次异或运算，则还原成最初的值。可进行加密解密
# 加密原理： 随机像素值图(密钥图像)  异或  原始图像   =  加密图像
# 解密原理： 加密图像  异或  随机像素值图(密钥图像)   =  原始图像
def encode(img, img_key):  # 加密解密操作，即异或运算
    result = img = cv2.bitwise_xor(img, img_key)
    return result
image = cv2.imread('1.jpeg')
# crows, colmns, channel =image.shape
img_key = np.random.randint(0, 255, image.shape, np.uint8)  # 创建与原图同样格式的密钥图像
result = encode(image, img_key)  # 加密操作
# cv2.imshow('result1', result)
result = encode(result, img_key)  # 解密操作
# cv2.imshow('result2', result)


#  .........................合并图像............................
# 1.加权和：按照不同的权重取两幅图像的像素之和组成新图像，尽量保留原有图像信息的基础上把两幅图像融合到一起
car1 = cv2.imread('1.jpeg')
car4 = cv2.imread('C:/Users/SW01/Desktop/test/4.jpeg')
rows, colmns, channel = car4.shape
car1 = cv2.resize(car1, (colmns, rows))
img = cv2.addWeighted(car1, 0.6, car4, 0.6, 0)  # 权重为0.6。标量为0，标量越大图越亮，反之越暗
# cv2.imshow('addWeighted', img)  # 利用计算加权和的方式实现多次曝光效果

# 2.覆盖：直接把前景图像显示在背景图像中，前景图像挡住背景图像。直接用修改图像像素值的方式实现图像的覆盖、拼接效果
car1 = cv2.imread('1.jpeg')
car4 = cv2.imread('C:/Users/SW01/Desktop/test/4.jpeg')
car1 = car1[50:150, 200:400, :]  # 截取200-400行，200-400列为一个图像
car1 = cv2.resize(car1, (200, 100))  # 压缩,400-200=200,150-50=100
# cv2.imshow('car1', car1)
rows, colmns, channel = car1.shape
car4[200:200+rows, 200:200+colmns, :] = car1  # 将截出的图贴到car4上
# cv2.imshow('car4', car4)

# 如果前景图像是4通道（含alpha通道）图像，直接替换整个区域的方式覆盖背景图像，因为前景图像中有透明的像素，透明的像素不应该挡住背景，所以在给背景图像像素赋值时应排除所有透明的前景像素。


cv2.waitKey()
cv2.destroyAllWindows()