像素运算
分为算术运算和逻辑运算
算术运算:
加减乘除
调节亮度
调整对比度
逻辑运算:
与或非
遮罩层控制
一:算术运算
import cv2 as cv
import numpy as np
def add_demo(m1,m2):
dst = cv.add(m1,m2)
cv.imshow("add_demo",dst)
def subtract_demo(m1,m2):
dst = cv.subtract(m1,m2)
cv.imshow("subtract_demo",dst)
def multiply_demo(m1,m2):
dst = cv.multiply(m1,m2)
cv.imshow("multiply_demo",dst)
def divide_demo(m1,m2):
dst = cv.divide(m1,m2) #不多用
cv.imshow("divide_demo",dst)
src1 = cv.imread("./a1.jpg") #读取图片
src2 = cv.imread("./a2.jpg") #读取图片
print(src1.shape)
print(src2.shape)
cv.imshow("image1",src1)
cv.imshow("image2",src2)
add_demo(src1,src2)
subtract_demo(src1,src2)
multiply_demo(src1,src2)
divide_demo(src1,src2)
cv.waitKey(0) #等待用户操作,里面等待参数是毫秒,我们填写0,代表是永远,等待用户操作
cv.destroyAllWindows() #销毁所有窗口
原图:
add:(黑色是0,白色为255,当大于255会为白色,小于0为黑色)
subtract:
multiply:
divide:
获得各个通道的均值:
def others(m1,m2):
M1 = cv.mean(m1)
M2 = cv.mean(m2)
print(M1)
print(M2)
(190.8543375, 190.8543375, 190.8543375, 0.0) #整体偏黑
(186.68600625000002, 228.5496625, 241.74333125, 0.0) #红绿较多,所以偏黄
获取各个图像的方差:
def others(m1,m2):
M1 = cv.mean(m1)
M2 = cv.mean(m2)
M1,dev1 = cv.meanStdDev(m1) #返回均值和方差,分别对应3个通道
M2,dev2 = cv.meanStdDev(m2)
print(M1)
print(dev1)
print(M2)
print(dev2)
[[190.8543375] #M1
[190.8543375]
[190.8543375]]
[[95.31664687] #dev1
[95.31664687]
[95.31664687]]
[[186.68600625] #M2
[228.5496625 ]
[241.74333125]]
[[72.40766216] #dev2
[39.39460523]
[30.92104465]]
可以知道dev2偏小,所以图二中色彩差异(对比性)是较小的,若是整张图片同色,则方差为0,均值为0,可以用来查看扫描仪中是否有信息(方差小于一个预值,则失效,丢弃)
img = np.zeros([400,400,3],np.uint8)
m,dev = cv.meanStdDev(img)
print(m,dev)
二:逻辑运算
与and:(1和1为1)(类似遮罩,当我们使用白色遮罩)
def logic_and_demo(m1,m2):
dst = cv.bitwise_and(m1,m2)
cv.imshow(“logic_and_demo”,dst)
或or:(1和1,1和0都为1)
def logic_or_demo(m1,m2):
dst = cv.bitwise_or(m1,m2)
cv.imshow(“logic_or_demo”,dst)
异或xor:(1和0为1)
def logic_xor_demo(m1,m2): #异或:不同为1,相同为0
dst = cv.bitwise_xor(m1,m2)
cv.imshow(“logic_or_demo”,dst)
非(not):对一张图片取反
def logic_not_demo(m1): #非是对于一张图片
dst = cv.bitwise_not(m1)
cv.imshow(“logic_not_demo”,dst)
补充:针对视频中inrange
def extrace_object():
capture = cv.VideoCapture("./1.mp4")
while True:
ret,frame = capture.read() #frame是每一帧图像,ret是返回值,为0是表示图像读取完毕
if ret == False:
break
hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
lower_hsv = np.array([0,43,46])
upper_hsv = np.array([10,255,255])
mask = cv.inRange(hsv,lower_hsv,upper_hsv)
dst = cv.bitwise_and(frame,frame,mask=mask)
cv.imshow("video",frame)
cv.imshow("mask", mask)
cv.imshow("dst",dst)
c = cv.waitKey(40)
if c == 27:
break
mask:该函数输出的dst是一幅二值化之后的图像(是将满足我们的图像对象所有位都设为1白色,不满足设置为0黑色)
bitwise_and:白色全为1与原图相与,会将白色区域提取
调整亮度和对比度addWeighted
def contrast_brightness_demo(image,c,b):
'''
:param image: 原图
:param c: 对比度 是将像素乘与c,原来2,4---->4, 8 差距由2--->4导致对比增强
:param b: 亮度 是将每个像素点加上相关亮度
:return:
'''
h,w,ch = image.shape
blank = np.zeros([h,w,ch],image.dtype)
dst = cv.addWeighted(image,c,blank,1-c,b)
cv.imshow("dst",dst)
src = cv.imread(“./1.png”)
cv.imshow(“src”,src)
contrast_brightness_demo(src,1.2,0)
亮度:
src = cv.imread(“./1.png”)
cv.imshow(“src”,src)
contrast_brightness_demo(src,1,50)
1、第1个参数,输入图片1,
2、第2个参数,图片1的融合比例
3、第3个参数,输入图片2
4、第4个参数,图片2的融合比例
5、第5个参数,偏差
6、第6个参数,输出图片