win10+Python3.7.3+OpenCV3.4.1入门学习（三）————3.1图像加法运算

Python版本是Python3.7.3，OpenCV版本OpenCV.3.4.1，开发环境为PyCharm

（三）图像运算

针对图像的加法运算、位运算都是比较基础的运算。但是，很多复杂的图像处理功能正是借助这些基础的运算来完成的。所以，牢固掌握基础操作，对于更好地实现图像处理是非常有帮助的。本章简单介绍了加法运算、位运算，并使用它们实现了位平面分解、图像异或加密、数字水印、脸部打码/解码等实例。
3.1 图像加法运算
在图像处理过程中，经常需要对图像进行加法运算。可以通过加号运算符“+”对图像进行加法运算，也可以通过cv2.add()函数对图像进行加法运算。
通常情况下，在灰度图像中，像素用8个比特位（一个字节）来表示，像素值的范围是[0,255]。两个像素值在进行加法运算时，求得的和很可能超过255。上述两种不同的加法运算方式，对超过255的数值的处理方式是不一样的。
3.1.1 加号运算符
使用加号运算符“+”对图像a（像素值为a）和图像b（像素值为b）进行求和运算时，遵循以下规则：

式中，mod()是取模运算，“mod(a+b, 256)”表示计算“a+b的和除以256取余数”。
根据上述规则，两个点进行加法运算时：
● 如果两个图像对应像素值的和小于或等于255，则直接相加得到运算结果。例如，像素值28和像素值36相加，得到计算结果64。
● 如果两个图像对应像素值的和大于255，则将运算结果对256取模。例如255+58=313，大于255，则计算(255+58)% 256=57，得到计算结果57。
当然，上述公式也可以简化为a+b=mod（a+b,256），在运算时无论相加的和是否大于255，都对数值256取模。
eg1：使用随机数数组模拟灰度图像，观察使用“+”对像素值求和的结果。
分析：通过将数组的数值类型定义为dtype=np.uint8，可以保证数组值的范围在[0,255]之间。
程序如下：

import numpy as np
img1=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
img2=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
print("img1=\n",img1)
print("img2=\n",img2)
print("img1+img2=\n",img1+img2)

运行程序，得到如下计算结果：

img1=
 [[222 105  83]
 [ 35  82  32]
 [222 167  44]]
img2=
 [[118 231  23]
 [175 149 237]
 [ 85 170  71]]
img1+img2=
 [[ 84  80 106]
 [210 231  13]
 [ 51  81 115]]

从上述程序可以看到，使用“+”计算两个256级灰度图像内像素值的和时，运算结果会对256取模。
需要注意，本例题中的加法要进行取模，这是由数组的类型dtype=np.uint8所规定的。

3.1.2 cv2.add()函数
函数cv2.add()可以用来计算图像像素值相加的和，其语法格式为：

计算结果=cv2.add(像素值a，像素值b)

使用函数cv2.add()对像素值a和像素值b进行求和运算时，会得到像素值对应图像的饱和值（最大值）。例如，8位灰度图像的饱和值为255，因此，在对8位灰度图的像素值求和时，遵循以下规则：

根据上述规则，在256级的灰度图像（8位灰度图）中的两个像素点进行加法运算时：
● 如果两个像素值的和小于或等于255，则直接相加得到运算结果。例如，像素值28和像素值36相加，得到计算结果64。
● 如果两个像素值的和大于255，则将运算结果处理为饱和值255。例如255+58=313，大于255，则得到计算结果255。
需要注意，函数cv2.add()中的参数可能有如下三种形式。
● 形式1：计算结果=cv2.add(图像1，图像2)，两个参数都是图像，此时参与运算的图像大小和类型必须保持一致。
● 形式2：计算结果=cv2.add(数值，图像)，第1个参数是数值，第2个参数是图像，此时将超过图像饱和值的数值处理为饱和值（最大值）。
● 形式3：计算结果=cv2.add(图像，数值)，第1个参数是图像，第2个参数是数值，此时将超过图像饱和值的数值处理为饱和值（最大值）。

eg2：使用随机数组模拟灰度图像，观察函数cv2.add()对像素值求和的结果。
程序如下：

import numpy as np
import cv2
img1=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
img2=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
print("img1=\n",img1)
print("img2=\n",img2)
img3=cv2.add(img1,img2)
print("cv2.add(img1,img2)=\n",img3)

运行程序，得到如下计算结果：

img1=
 [[200  20  81]
 [222  93  61]
 [159  56 209]]
img2=
 [[192 217 239]
 [109  88 226]
 [185 108  60]]
cv2.add(img1,img2)=
 [[255 237 255]
 [255 181 255]
 [255 164 255]]

eg3：分别使用加号运算符和函数cv2.add()计算两幅灰度图像的像素值之和，观察处理结果。
程序如下：

import cv2
a=cv2.imread("lena.bmp",0)
b=a
result1=a+b
result2=cv2.add(a,b)
cv2.imshow("original",a)
cv2.imshow("result1",result1)
cv2.imshow("result2",result2)
cv2.waitKey()
cv2.destroyAllWindows()

在本例中，首先读取了图像lena并将其标记为变量a；接下来，使用语句“b=a”将图像lena复制到变量b内；最后，分别使用“+”和函数cv2.add()计算a和b之和。
运行程序，得到如下图所示的运行结果，其中：
● 左图是原始图像lena。
● 中间的图是使用加号运算符将图像lena自身相加的结果。
● 右图是使用函数cv2.add()将图像lena自身相加的结果。
从上述运算结果可以看出：
● 使用加号运算符计算图像像素值的和时，将和大于255的值进行了取模处理，取模后大于255的这部分值变得更小了，导致本来应该更亮的像素点变得更暗了，相加所得的图像看起来并不自然。
● 使用函数cv2.add()计算图像像素值的和时，将和大于255的值处理为饱和值255。图像像素值相加后让图像的像素值增大了，图像整体变亮。