OpenCV：03图像的算数运算

---

掩膜

外科医生在给患者做手术时，会为患者盖上手术洞巾，这样医生就可以只在这个预设好的孔洞部位进行手术。手术洞巾不仅有利于医生定位患处、暴露手术视野，还可以对非患处起到隔离、防止污染的作用

同样地，当计算机处理图像时，图像也如同一名“患者”一样，有些内容需要处理，有些内容不需要处理。通常计算机处理图像时会把所有像素都处理一遍，但如果想让计算机像外科大夫那样仅处理某一小块区域，那就要为图像盖上一张仅暴露一小块区域的“手术洞巾”。像“手术洞巾”那样能够覆盖原始图像、仅暴露原始图像感兴趣区域（ROI）的模板图像就被叫做掩膜

掩膜，也叫掩码（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当作掩膜的值

在使用OpenCV处理图像时，通常使用Numpy库提供的方法来创建掩膜图像，下面通过一个实例来演示：

利用Numpy库的np.zeros()方法来创建一幅掩膜图像，感兴趣区域为在该图像中横坐标为20、纵坐标为50、宽为60、高为50的矩形。先展示该掩膜图像，后调换该掩膜图像的感兴趣区域和不感兴趣区域，再次展示掩膜图像

# 掩膜

import cv2
import numpy as np

# 创建宽150、高150、3通道、像素类型为无符号8位数字的零值（纯黑）图像
mask = np.zeros((150,150,3),np.uint8)

##---------------------------------------------------
# 将50~100行、20~80列的像素改为纯白像素
mask[50:100,20:80,:] = 255

# 展示掩膜
cv2.imshow('mask1',mask)
##---------------------------------------------------
# 全部改成纯白像素
mask[:,:,:] = 255

# 将50~100行、20~80列的像素改为纯黑像素
mask[50:100,20:80,:] = 0

# 展示掩膜
cv2.imshow('mask2',mask)
##---------------------------------------------------

# 退出
cv2.waitKey()
cv2.destroyAllWindows()

结果：

掩膜在图像运算过程中充当了重要角色，通过掩膜才能看到最直观的运算结果，接下来将详细介绍图像运算的相关内容

---

图像的算数运算

加法运算

关键API：dst = cv2.add(src1, src2[, dst[, mask[, dtype]]])
其中：

• src1：第一幅图像
• src2：第二幅图像
• mask：可选参数，掩膜（建议使用默认值）
• dtype：可选参数，图像深度（建议使用默认值）

返回值：

• dst：相加之后的结果图像。如果相加之后值的结果大于255，则取255

cv2.add()的规则就是两个图对应的元素相加，如果超过255(像素点的大小0-255)，则全部变成255

我们可以用cv2.add()方法和正常的相加+做比较

代码如下：

# 加法运算
import cv2
import numpy as np

# 读取图片
img = cv2.imread('./beach.jpg')

# 展示
cv2.imshow('img',img) # 原图

##----------------------------------------
# 使用 "+" 运算符增加
sum1 = img + img

# 展示
cv2.imshow('using_+',sum1)

##----------------------------------------
# 使用cv2.add()方法相加
sum2 = cv2.add(img,img)

# 展示
cv2.imshow('using_cv2.add()',sum2)

##----------------------------------------

cv2.waitKey()
cv2.destroyAllWindows()

上述代码运行结果如下：
原图：

从这个结果可以看出：

• " + "运算符的计算结果如果超出了255，就会取相加的和除以255的余数，也就是取模运算，像素值相加后反而变得更小了，由浅色变成了深色
• cv2.add()方法的计算结果如果超过了255，就取值为255，很多浅颜色像素彻底变成了白色

---

不同的图相加：

# 加法运算
import cv2
import numpy as np

# 读取图片
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')


# cv2.add()方法要求两个图的长、宽、通道数都相等，否则会报错 
    # add的规则就是两个图对应的元素相加，如果超过255(像素点的大小0-255)，则全部变成255
print(cat.shape)
print(dog.shape)  # 检查两图的长宽及通道数

# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小
new_dog = dog[0:1078,0:1095] # numpy的切片方式
print(new_dog.shape)

# 将两幅图片相加
new_img = cv2.add(cat,new_dog)
cv2.imshow('new_img',new_img)

cv2.waitKey()
cv2.destroyAllWindows()

图片还可以和单个数字进行运算，如dog += 100
每个和100进行加法运算，超过255的数字，会被截断，相当于%256

# 加法运算
import cv2
import numpy as np

# 读取图片
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')


# cv2.add()方法要求两个图的长、宽、通道数都相等，否则会报错 
    # add的规则就是两个图对应的元素相加，如果超过255(像素点的大小0-255)，则全部变成255
# print(cat.shape)
# print(dog.shape)  # 检查两图的长宽及通道数

# 图片还可以和单个数字进行运算
    # 每个和100进行加法运算，超出255的数字，会被截断，相当于%256
dog += 100
print(dog[:3,:3])
    
cv2.waitKey()
cv2.destroyAllWindows()

---

利用掩膜遮盖相加结果

图像的加运算也可以使用掩膜，下面通过一个实例介绍掩膜的使用方法

创建纯蓝和纯红这两幅图像，使用add()方法对这两幅图像进行加运算，并在方法中添加一个掩膜，查看计算结果

具体代码如下：

import cv2
import numpy as np

# 创建150*150的0值（纯黑）图像
img1 = np.zeros((150,150,3),np.uint8)
img2 = np.zeros((150,150,3),np.uint8)

##--------------------------------------------------------------------

# 将图片变成蓝色 ——> 设置第三维度的BGR通道：蓝色通道赋予最大值
img1[:,:,0] = 255

# cv2.imshow('new_img',img1)

# 将图片变成红色 ——> 设置第三维度的BGR通道：红色通道赋予最大值
img2[:,:,2] = 255

# cv2.imshow('img2',img2)

# 蓝色 + 红色 = 洋红色
img = cv2.add(img1,img2)
cv2.imshow('img',img)

##--------------------------------------------------------------------

# 创建掩膜
mask = np.zeros((150,150,1),np.uint8)
mask[50:100,50:100,:] = 255
cv2.imshow('mask',mask)

# 相加时使用掩膜
img = cv2.add(img1,img2,mask = mask)
cv2.imshow('using_mask',img)


cv2.waitKey()
cv2.destroyAllWindows()

结果：

原图 、 掩膜 、 原图使用了掩膜后的效果

---

减法运算

关键API：cv2.subtract(img1,img2)

subtract的规则就是两个图对应的元素相减，如果小于0(像素点的大小0-255)，则全部变成0

# 减法运算
import cv2
import numpy as np

# 读取图片
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')


# cv2.subtract()方法要求两个图的长、宽、通道数都相等，否则会报错 
    # subtract的规则就是两个图对应的元素相减，如果小于0(像素点的大小0-255)，则全部变成0
print(cat.shape)
print(dog.shape)  # 检查两图的长宽及通道数

# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小
new_dog = dog[0:1078,0:1095] # numpy的切片方式
print(new_dog.shape)

# 将两幅图片相减 ——> 对应图片的元素(像素)相减，减完小于0，则全部为0
new_img = cv2.subtract(cat,new_dog)
cv2.imshow('new_img',new_img)

cv2.waitKey()
cv2.destroyAllWindows()

乘法运算

关键API：cv2.multiply(img1,img2)

乘法的规则和加法一样：两个图对应的元素相乘，如果超过255(像素点的大小0-255)，则全部变成255

# 乘法运算
import cv2
import numpy as np

# 读取图片
cat = cv2.imread('./cat.jpeg')
dog = cv2.imread('./dog.jpeg')


# cv2.multiply()方法要求两个图的长、宽、通道数都相等，否则会报错 
    # multiply的规则就是两个图对应的元素相乘，如果超过255(像素点的大小0-255)，则全部变成255
print(cat.shape)
print(dog.shape)  # 检查两图的长宽及通道数

# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小
new_dog = dog[0:1078,0:1095] # numpy的切片方式
print(new_dog.shape)

# 将两幅图片相乘 multiply——> 对应图片的元素(像素)相减，减完小于0，则全部为0
new_img = cv2.multiply(cat,new_dog)
cv2.imshow('new_img',new_img)

cv2.waitKey()
cv2.destroyAllWindows()

---

除法运算

关键API：cv2.divide(img1,img2

除法的规则和减法一样：两个图对应的元素相除，如果小于0(像素点的大小0-255)，则全部变成0

# 加法运算