C++ OpenCV（二）：Mat 运算

逻辑运算

非运算

公式

$$\text{dst}(I)=\neg \text{src}(I)$$

API

CV_EXPORTS_W void bitwise_not(InputArray src, OutputArray dst,
                              InputArray mask = noArray());

• 参数一：src，输入图像矩阵；
• 参数二：dst，输出图像矩阵，大小和类型与输入相同；
• 参数三：mask，8位单通道掩码。

示例

Mat mask = Mat::zeros(512, 512, CV_8UC1);
Rect rect = Rect(100, 100, 200, 200);
mask(rect) = Scalar(1);
Mat bitwiseNot;
bitwise_not(left, bitwiseNot, mask);
imshow("bitwise_not", bitwiseNot);

运行效果

与运算

公式

• src1 和 src2是两个大小相同的图像矩阵

$$\text{dst}(I)=\text{src1}(I)\wedge \text{src2}(I)\text{if mask}(I)\ne 0$$

• src1是图像矩阵，src2 是 Scalar

$$\text{dst}(I)=\text{src1}(I)\wedge \text{src2}\text{if mask}(I)\ne 0$$

• src1是 Scalar ，src2是图像矩阵

$$\text{dst}(I)=\text{src1}\wedge \text{src2}(I)\text{if mask}(I)\ne 0$$

API

CV_EXPORTS_W void bitwise_and(InputArray src1, InputArray src2,
                              OutputArray dst, InputArray mask = noArray());

• 参数一：src1，第一个输入的图像矩阵或者 Scalar；
• 参数二：src2，第二个输入的图像矩阵或者 Scalar；
• 参数三：dst，输出图像矩阵，大小和类型与输入相同；
• 参数四：mask，8位单通道掩码。

示例

Mat bitwiseAnd;
Scalar scalar = Scalar(255,255);
bitwise_and(left, scalar, bitwiseAnd);
imshow("bitwise_and", bitwiseAnd);

运行效果

或运算

公式

• src1 和 src2是两个大小相同的图像矩阵

$$\text{dst}(I)=\text{src1}(I)\vee \text{src2}(I)\text{if mask}(I)\ne 0$$

• src1是图像矩阵，src2 是 Scalar

$$\text{dst}(I)=\text{src1}(I)\vee \text{src2}\text{if mask}(I)\ne 0$$

• src1是 Scalar ，src2是图像矩阵

$$\text{dst}(I)=\text{src1}\vee \text{src2}(I)\text{if mask}(I)\ne 0$$

API

CV_EXPORTS_W void bitwise_or(InputArray src1, InputArray src2,
                              OutputArray dst, InputArray mask = noArray());

• 参数一：src1，第一个输入的图像矩阵或者 Scalar；
• 参数二：src2，第二个输入的图像矩阵或者 Scalar
• 参数三：dst，输出图像矩阵，大小和类型与输入相同；
• 参数四：mask，8位单通道掩码。

示例

Mat bitwiseOr;
Scalar scalarOr = Scalar(255);
bitwise_or(left, scalarOr, bitwiseOr);
imshow("bitwise_or", bitwiseOr);

运行效果

异或运算

公式

• src1 和 src2是两个大小相同的图像矩阵

$$\text{dst}(I)=\text{src1}(I)\oplus \text{src2}(I)\text{if mask}(I)\ne 0$$

• src1是图像矩阵，src2 是 Scalar

$$\text{dst}(I)=\text{src1}(I)\oplus \text{src2}\text{if mask}(I)\ne 0$$

• src1是 Scalar ，src2是图像矩阵

$$\text{dst}(I)=\text{src1}\oplus \text{src2}(I)\text{if mask}(I)\ne 0$$

API

CV_EXPORTS_W void bitwise_xor(InputArray src1, InputArray src2,
                              OutputArray dst, InputArray mask = noArray());

• 参数一：src1，第一个输入的图像矩阵或者 Scalar；
• 参数二：src2，第二个输入的图像矩阵或者 Scalar
• 参数三：dst，输出图像矩阵，大小和类型与输入相同；
• 参数四：mask，8位单通道掩码。

示例

Mat bitwiseXor;
Scalar scalarXor = Scalar(255, 255);
bitwise_xor(left, scalarXor, bitwiseXor);
imshow("bitwise_xor", bitwiseXor);

运行效果

算术运算

图像矩阵的 add、subtract、multiply、divide 四则运算是针对矩阵内对应元素的操作，并非矩阵的加减乘除。

公式

加法

• 输入为两个大小和通道数相同的图像矩阵

$$\text{dst}(I)=\text{saturate}(\text{src1}(I)+\text{src2}(I))\text{if mask}(I)\ne 0$$

• src1为图像矩阵，src2为 Scalar

$$\text{dst}(I)=\text{saturate}(\text{src1}(I)+\text{src2})\text{if mask}(I)\ne 0$$

• src1为 Scalar，src2为 图像矩阵

$$\text{dst}(I)=\text{saturate}(\text{src1}+\text{src2}(I))\text{if mask}(I)\ne 0$$

减法

• 输入为两个大小和通道数相同的图像矩阵

$$\text{dst}(I)=\text{saturate}(\text{src1}(I)-\text{src2}(I))\text{if mask}(I)\ne 0$$

• src1为图像矩阵，src2为 Scalar

$$\text{dst}(I)=\text{saturate}(\text{src1}(I)-\text{src2})\text{if mask}(I)\ne 0$$

• src1为 Scalar，src2为图像矩阵

$$\text{dst}(I)=\text{saturate}(\text{src1}-\text{src2}(I))\text{if mask}(I)\ne 0$$

• SubRS 情况下标量和数组的反向差异

$$\text{dst}(I)=\text{saturate}(\text{src2}-\text{src1}(I))\text{if mask}(I)\ne 0$$

乘法

$$\text{dst}(I)=\text{saturate}(\text{scale}\cdot \text{src1}(I)\cdot \text{src2}(I))$$

除法

$$\text{dst(I) = saturate(src1(I)*scale/src2(I))}$$

$$\text{dst(I) = saturate(scale/src2(I))}$$

API

CV_EXPORTS_W void add(InputArray src1, InputArray src2, OutputArray dst,                      InputArray mask = noArray(), int dtype = -1);

CV_EXPORTS_W void subtract(InputArray src1, InputArray src2, OutputArray dst,                           InputArray mask = noArray(), int dtype = -1);

CV_EXPORTS_W void multiply(InputArray src1, InputArray src2,                           OutputArray dst, double scale = 1, int dtype = -1);

CV_EXPORTS_W void divide(InputArray src1, InputArray src2, OutputArray dst,                         double scale = 1, int dtype = -1);

• 参数一：src1，第一个输入的图像矩阵或者 Scalar；
• 参数二：src2，第二个输入的图像矩阵或者 Scalar
• 参数三：dst，输出图像矩阵，大小和类型与输入相同；
• 参数四：mask，8位单通道掩码；
• 参数五：scale，缩放倍数；
• 参数六：dtype，输出矩阵的图像深度。

示例

int8_t b[6] = {8, 9, 10, 11, 12, 13};int8_t c[6] = {6, 7, 5, 4, 3, 9};Mat first = Mat(3, 2, CV_8UC1, b);Mat second = Mat(3, 2, CV_8UC1, c);Mat third = Mat(2, 3, CV_8UC1, c);// 算数运算Mat addResult;add(first, second, addResult);cout << "add" << endl << format(addResult, Formatter::FMT_C) << endl << endl;Mat subtractResult;subtract(first, second, subtractResult);cout << "subtract" << endl << format(subtractResult, Formatter::FMT_C) << endl << endl;Mat multiplyResult;multiply(first, first, multiplyResult);cout << "multiply" << endl << format(multiplyResult, Formatter::FMT_C) << endl << endl;Mat divideResult;divide(first, second, divideResult);cout << "divide" << endl << format(divideResult, Formatter::FMT_C) << endl << endl;

运行效果