python 下 opencv 的实现图像的基础数学计算

于 2021-04-27 21:38:29 发布
阅读量781 收藏 2
点赞数 2
分类专栏： python下opencv介绍和使用 文章标签： opencv 计算机视觉 python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39570716/article/details/115868618
版权

系列文章目录

第一章 python 下 opencv 接口的参数详解及使用（一）

第一章 python 下 opencv 接口的参数详解及使用（二）

第二章 python 下 opencv 的实现图像的基础数学计算

第三章  python 下 opencv 接口实现图像二值化，并小解二值化原理

 

前言

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

提示：以下是本篇文章正文内容，下面案例可供参考

一、对图像的数学运算

1、图像相加

接口：cv2.add(src1 , src2 , dst = None , mask = None , dtype = None)

作用：用于两张图像或者颜色相机；

参数：

。src1 ：需要相加的第一幅图象文件；

。src2 ：需要相加的第二幅图像文件，鉴于仅用于两图像的相加，所以需要通道和宽高相同；

。dst ：两图相加后的结果图文件；

。mask ：掩码（mask）,可有可无

。dtype ：相加结果图像的景深，此参数可有可无；

实现代码及成像效果：


import cv2
 
filename_1 = "image_1.bmp"
filename_2 = "image_2.bmp"
# 读入图像数据
image_1 = cv2.imread(filename = filename_1 ,flags= 1)
image_2 = cv2.imread(filename = filename_2 ,flags= 1)
 
image = cv2.add(src1 = image_1, src2 = image_2 )
 
# 对图像进行显示
cv2.imshow(winname = "image_1" , mat = image_1)
cv2.imshow(winname = "image_2" , mat = image_2)
cv2.imshow(winname = "image_show" , mat = image)
cv2.waitKey(0)
cv2.destroyAllWindows()

实现效果：

2、图像相加融合

接口：cv2.addWeighted(src1 , alpha , src2 , beta , gamma , dst = None , dtype = None)

作用：用于两张图像相加融合；

参数：

。src1 ：需要相加的第一幅图象文件；

。alpha ：第一个图文件的权重；

。src2 ：需要相加的第二幅图像文件，鉴于仅用于两图像的相加，所以需要通道和宽高相同；

。beta：第二个图文件的权重；

。gamma ：两张图相加后要增加的值，不要太大，不然图片一片白。总和等于255以上就是纯白色了；

。dst ：两图相加后的结果图文件；

。dtype ：相加结果图像的景深，此参数可有可无；

实现原理：

该接口主要实现以下公式内容： 

g(x) = (1 - \alpha )f_{0}(x) + \alpha f_{1}(x)+\gamma 

公式中： f_{0}(x) 代表第一张图像；f_{1}(x) 代表第二张图像；其中 \left (1 -\alpha \right ) 和 \alpha 代表权重值，其中  \gamma 代表需要再增加的值

实现代码及成像效果：


import cv2
 
filename_1 = "image_1.bmp"
filename_2 = "image_2.bmp"
# 读入图像数据
image_1 = cv2.imread(filename = filename_1 ,flags= 1)
image_2 = cv2.imread(filename = filename_2 ,flags= 1)
 
image = cv2.addWeighted(src1 = image_1, alpha  = 0.3 , src2 = image_2 , beta = 0.4 , gamma  = 0.5)
 
# 对图像进行显示
cv2.imshow(winname = "image_1" , mat = image_1)
cv2.imshow(winname = "image_2" , mat = image_2)
cv2.imshow(winname = "image_show" , mat = image)
cv2.waitKey(0)
cv2.destroyAllWindows()

实现效果：

3、图像按比例相加

接口：cv2.scaleAdd(src1 , alpha , src2 , dst = None)

作用：将第一张图像按照比例相加到第二张图像中；

参数：

。src1 ：需要相加的第一幅图象文件；

。alpha ：第一个图文件的比例系数；

。src2 ：需要相加的第二幅图像文件，鉴于仅用于两图像的相加，所以需要通道和宽高相同；

。dst ：结果图像；

实现原理：

该接口主要实现以下公式内容： 

g(x) = \alpha *f_{0}(x) + f_{1}(x)

公式中： f_{0}(x) 代表第一张图像；f_{1}(x) 代表第二张图像；其中 \alpha 代表第一张图 src1 的权重值；

实现代码及成像效果：

import cv2 as cv

filename_1 = "image_1.bmp"
filename_2 = "image_2.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= 1)
image_2 = cv.imread(filename = filename_2 ,flags= 1)

image = cv.scaleAdd(src1 = image_1 , src2 = image_2  , alpha = 0.5)

# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow(winname = "image_2" , mat = image_2)
cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

4、图像相减

接口：cv2.subtract(src1 , src2 , dst = None , mask , dtype = -1)

作用：将两张图像进行相减；

参数：

。src1 ：需要相减的第一幅图象文件；

。src2 ：需要相减的第二幅图像文件，鉴于仅用于两图像的相减，所以需要通道和宽高相同；

。dst ：结果图像；

。mask ：掩膜

。dtype ：输出数组的可选深度

实现原理：

将两张图像逐像素点相减；

实现代码及成像效果：

import cv2 as cv

filename_1 = "1.bmp"
filename_2 = "2.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= 1)
# 对图像进行缩放操作
image_1 = cv.resize(src = image_1 , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

image_2 = cv.imread(filename = filename_2 ,flags= 1)
# 对图像进行缩放操作
image_2 = cv.resize(src = image_2 , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

image = cv.subtract(src1 = image_1 , src2 = image_2 )
# 对图像进行缩放操作
image = cv.resize(src = image , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)
# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow(winname = "image_2" , mat = image_2)

cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

5、图像比例相乘

接口：cv2.multiply(src1 , src2 , scale)

作用：将两张图像进行逐像素点相乘；

参数：

。src1 ：需要相乘的第一幅图象文件；

。src2 ：需要相乘的第二幅图像文件，鉴于仅用于两图像的相乘，所以需要通道和宽高相同；

。scale：相乘的比例因子

实现原理：

将两张图像逐像素点相乘；

实现代码及成像效果：

import cv2 as cv

filename_1 = "image_1.bmp"
filename_2 = "image_2.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= 1)
# 对图像进行缩放操作
image_1 = cv.resize(src = image_1 , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

image_2 = cv.imread(filename = filename_2 ,flags= 1)
# 对图像进行缩放操作
image_2 = cv.resize(src = image_2 , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

image = cv.multiply(src1 = image_1 , src2 = image_2  , scale = 0.5)
# 对图像进行缩放操作
image = cv.resize(src = image , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)
# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow(winname = "image_2" , mat = image_2)
cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

6、图像比例因子相除

接口：cv2.divide(scale , src1, src2 , dst = None , dtype)

作用：将两张图像取除法，并以相关乘数因子相乘；

参数：

。src1 ：需要逐像素点相除的第一幅图像；

。src2 ：需要逐像素点相除的第二幅图像；

。scale ：需要使用的比例系数；

。dst ：结果图像；

。dtype ：输出图像的位深，-1表示与 src2 相同；

实现原理：

（1）该接口主要实现以下公式内容： 

         scale*src1/src2

公式中：式中 src1 表示需要逐像素点被除的图像1 ， src2 表示需要逐像素点被除的图像2 ， scale 表示乘数因子

实现代码及成像效果：

import cv2 as cv

filename_1 = "divide_1.bmp"
filename_2 = "divide_2.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= 1)
# 对图像进行缩放操作
image_1 = cv.resize(src = image_1 , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

image_2 = cv.imread(filename = filename_2 ,flags= 1)
# 对图像进行缩放操作
image_2 = cv.resize(src = image_2 , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

image = cv.divide(scale = 50 , src1 = image_1 , src2 = image_2 , dtype = -1)
# 对图像进行缩放操作
image = cv.resize(src = image , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow(winname = "image_2" , mat = image_2)
cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

（2）该接口主要实现以下公式内容： 

         scale/src2

公式中： src2 表示需要逐像素点取倒数的图像2 ， scale 表示乘数因子

实现代码及成像效果：

import cv2 as cv

filename_1 = "divide_1.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= 1)
# 对图像进行缩放操作
image_1 = cv.resize(src = image_1 , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

image = cv.divide(scale = 50 , src2 = image_1 , dtype = -1)
# 对图像进行缩放操作
image = cv.resize(src = image , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

7、图像的幂次运算

接口：cv2.pow(src , power , dst)

作用：将两张图像进行逐像素点相乘；

参数：

。src ：需要进行幂次运算的图象文件；

。power：幂次系数；

。dst：结果图像

实现原理：

将图像逐像素点幂次计算；

实现代码及成像效果：

import cv2 as cv

filename_1 = "divide_1.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= -1)
# 对图像进行缩放操作
image_1 = cv.resize(src = image_1 , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

image = cv.pow(src = image_1 , power = 2)
# 对图像进行缩放操作
image = cv.resize(src = image , dsize = (500 , 500) , interpolation = cv.INTER_NEAREST)

# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

二、对图像的逻辑运算

1、对图像“与”操作

接口：cv2.bitwise_and(src1 , src2 , dst , mask)

作用：将两张图像进行逐像素点相与；

参数：

。src1 ：需要逐像素点相与的第一幅图像；

。src2 ：需要逐像素点相与的第二幅图像；

。dst ：结果图像；

。dtype ：掩码；

实现原理：

将两张图像逐像素点相与计算；

实现代码及成像效果：

import cv2 as cv

filename_1 = "divide_1.bmp"
filename_2 = "divide_2.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= 1)
# 对图像进行缩放操作
image_1 = cv.resize(src = image_1 , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

image_2 = cv.imread(filename = filename_2 ,flags= 1)
# 对图像进行缩放操作
image_2 = cv.resize(src = image_2 , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

image = cv.bitwise_and(src1 = image_1 , src2 = image_2)
# 对图像进行缩放操作
image = cv.resize(src = image , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow(winname = "image_2" , mat = image_2)
cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

2、对图像“或”操作

接口：cv2.bitwise_or(src1 , src2 , dst , mask)

作用：将两张图像进行逐像素点相与；

参数：

。src1 ：需要逐像素点或计算的第一幅图像；

。src2 ：需要逐像素点或计算的第二幅图像；

。dst ：结果图像；

。dtype ：掩码；

实现原理：

将两张图像逐像素点或计算；

实现代码及成像效果：

import cv2 as cv

filename_1 = "divide_1.bmp"
filename_2 = "divide_2.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= 1)
# 对图像进行缩放操作
image_1 = cv.resize(src = image_1 , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

image_2 = cv.imread(filename = filename_2 ,flags= 1)
# 对图像进行缩放操作
image_2 = cv.resize(src = image_2 , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

image = cv.bitwise_or(src1 = image_1 , src2 = image_2)
# 对图像进行缩放操作
image = cv.resize(src = image , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow(winname = "image_2" , mat = image_2)
cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

3、对图像“异或”操作

接口：cv2.bitwise_xor(src1 , src2 , dst , mask)

作用：将两张图像进行逐像素点相与；

参数：

。src1 ：需要逐像素点异或计算的第一幅图像；

。src2 ：需要逐像素点异或计算的第二幅图像；

。dst ：结果图像；

。dtype ：掩码；

实现原理：

将两张图像逐像素点异或计算；

实现代码及成像效果：

import cv2 as cv

filename_1 = "divide_1.bmp"
filename_2 = "divide_2.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= 1)
# 对图像进行缩放操作
image_1 = cv.resize(src = image_1 , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

image_2 = cv.imread(filename = filename_2 ,flags= 1)
# 对图像进行缩放操作
image_2 = cv.resize(src = image_2 , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

image = cv.bitwise_xor(src1 = image_1 , src2 = image_2)
# 对图像进行缩放操作
image = cv.resize(src = image , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow(winname = "image_2" , mat = image_2)
cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

4、对图像“非”操作

接口：cv2.bitwise_not(src , dst , mask)

作用：将图像进行逐像素点非操作；

参数：

。src ：需要逐像素点非计算的图像；

。dst ：结果图像；

。dtype ：掩码；

实现原理：

将图像逐像素点进行非计算；

实现代码及成像效果：

import cv2 as cv

filename_1 = "divide_1.bmp"

# 读入图像数据
image_1 = cv.imread(filename = filename_1 ,flags= 1)
# 对图像进行缩放操作
image_1 = cv.resize(src = image_1 , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

image = cv.bitwise_not(src = image_1)
# 对图像进行缩放操作
image = cv.resize(src = image , dsize = (800 , 600) , interpolation = cv.INTER_NEAREST)

# 对图像进行显示
cv.imshow(winname = "image_1" , mat = image_1)
cv.imshow('image', image)
cv.waitKey()
cv.destroyAllWindows()

实现效果：

总结

在本节中对常见的 opencv 图像处理库中的基础数学计算的接口进行了相关介绍和 python+opencv 的接口实现以及图像结果的显示，有哪些不足还请大家指出。

J&A~ing
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值