数字图像处理_02.2_(图像代数运算)

1.图像代数运算简介

图像的代数运算通常是指两幅图像，或者多幅图像通过加、减、乘、除代数运算以得到输出图像的方法。
如果记输入图像为$h(x,y)$,$g(x,y)$,输出图像为$f(x,y)$。则具体的图像代数运算形式为：
$$\begin{gathered} f(x,y)=h(x,y)+g(x,y) \\ f(x,y)=h(x,y)-g(x,y) \\ f(x,y)=h(x,y)\ast g(x,y) \\ f(x,y)=h(x,y)/g(x,y) \end{gathered}$$

• 加法运算
  主要用于1.去除叠加性的随机噪声，2.实现图像的叠加效果

• 减法运算
  主要用于1.差影法监测物体运动变化，2.混合图像的分离，3.计算图像梯度

• 乘法运算
  主要用于掩膜mask

• 除法运算
  主要用于1.设备的校正，2.图像差异的比较

2.具体实现

图像代数运算可以自己实现也可以使用OpenCV中的函数实现，这里两种都给出，但在实际的使用中多以CV自带函数的使用。
这里给出图像素材(obj,bg,mask,noise)如下：

1.加法运算实现：

img_add0=obj+bg
#相加大于255会出现溢出显示错误
img_add=cv.add(obj*0.5,bg*0.5)
#add()返回的是int类型,所乘系数为权值防止相加溢出255
img_add2=cv.addWeighted(obj,0.5,bg,0.5,0)
#addWeighted()返回的是浮点类型，第五个参数为位移

原输入图像：

加法运算后（img_add0，img_add，img_add2）：
2.减法实现

img_sub=img_add2-bg*0.5
img_sub2=cv.subtract(img_add2*1.0,bg*0.5)
#注意两个参数要为同类型，否则报错

原输入图像为：

输出图像(img_sub,img_sub2):
3.乘法实现

img_mul=obj*(mask/255)
img_mul2=cv.multiply(obj/1.0,mask/255)
#注意两个参数要为同类型，否则报错
#对掩膜mask进行归一化处理，也是防止相乘后结果溢出

原输入图像为：
输出图像(img_mul,img_mul2):

4.除法实现

img_div=obj/(np.float64(noise)+1)
#直接相除应注意除数为0的情况，故要转为浮点后+1
img_div2=cv.divide(obj,noise+1)

原始输入图像为：
输出图像为：

做一个小的图片合成实验：

img_step1=cv.multiply(obj*1.0,mask/255)
img_step2=cv.multiply(flower*1.0,1-(mask/255))
img_step3=cv.addWeighted(img_step1,0.5,img_step2,0.5,0)

原图像素材（obj，flower，mask）：

输出图像(img_step1,img_step2,img_step3):