Opencv入门系列二

Opencv入门系列二

---

1.加法

图像加法：将图像矩阵对应位置进行加法的运算。

处理方法：可以使用运算符 + 和 cv2.add() 函数 。由于8位（uint8）表示像素值有 0-255 。故存在加法导致溢出255的情况，两种方法在处理溢出有不同的机制。

1.1 方法1：使用运算符 +

运算符+：result = mod（img1+img2,256）总是取余数。

imgAdd = Img3 + Img4 #图像对应位置相加

处理机制如下

1.2 方法2：使用cv2.add()

cv2.add()实现两个图像矩阵的加法运算，其语法格式为：

imgAdd = cv2.add(Img1,Img2) #图像对应位置相加
imgAdd1 = cv2.add(4,Img2) 	#图像各位置加4
imgAdd2 = cv2.add(Img1,4)	#图像各位置加4

处理机制如下：

实验程序 1

import cv2
import numpy as np

#随机创建两个图像矩阵
Img3 = np.random.randint(0,255,size = [250,250],dtype=np.uint8)
Img4 = np.random.randint(0,255,size = [250,250],dtype=np.uint8)


# 实验add方法和 +的区别
imgAdd = Img3 + Img4
imgAdd2 = cv2.add(Img3,Img4)
cv2.imshow("Img3",Img3)
cv2.imshow("Img4",Img4)
cv2.imshow("ImgAdd1",imgAdd)
cv2.imshow("ImgAdd2",imgAdd2)

# 实验add方法参数为数字
imgAdd3= cv2.add(4,Img4)
imgAdd4= cv2.add(Img4,4)
print(Img4)
print(imgAdd3)
print(imgAdd4)
cv2.waitKey(0)

1.3 方法3 ：加权加法cv2.addWeighted()

cv2.addWeighted()用来实现图像的加权加法，用于图像的混合、融合。其语法格式如：

对应数学公式如下：

可以理解为：结果图像=图像1×系数1+图像2×系数2+亮度调节量

• src1：图像1
• alpha：图像1的权值
• src2：图形2
• beta：图像2的权值
• gamma：常数（通常是用来调节图像的亮度）

实验程序 2

使用cv2.addWeighted()将两个用np.ones()创建的图像进行加权加法

import cv2
import numpy as np

imgOnes1 = np.ones((3,3),dtype=np.uint8)*10 #创建一个大小为[3,3]的灰度图像，全部填充10
imgOnes2 = np.ones((3,3),dtype=np.uint8)*5    #创建一个大小为[3,3]的灰度图像，全部填充5
print(imgOnes1)
print(imgOnes2)
imgAddWeighted = cv2.addWeighted(imgOnes1,0.4,imgOnes2,0.6,3)#将两幅图像进行融合
print(imgAddWeighted)
cv2.imshow("imgAddWeighted",imgAddWeighted)

cv2.waitKey(0)

由结果可知：10×0.4 + 5×0.6 + 3 = 10

通常我们还可以用cv2.addWeighed()实现两幅图像的融合。

np.ones()

np.ones((m,n),dtype=np.uint8)*value #创建一个大小为[m,n]的灰度图像，全部填充value value=1时可以省略

2.逻辑运算

2.1 按位逻辑与cv2.bitwise_and()

按位逻辑与：按位指的是二进制情况下。

cv2.bitwise_and()实现按位逻辑与操作，其语法如下：

● dst表示按位与操作后的图像

● src1表示算子图像1

● src2表示算子图像2

● mask表示可选操作掩码，8位单通道array。

掩膜图像：像素值只有0和255的图像。0-为黑色，255-为白色。

应用：

​ ① 对灰度图像进行掩模处理，

​ ② 还经常需要针对BGR模式的彩色图像使用掩模提取指定部分。由于按位与操作要求参与运算的数据有相同的通道，所以无法直接将彩色图像与单通道的掩模图像进行按位与操作。一般情况下，可以通过将掩模图像转换为BGR模式的彩色图像，让彩色图像与掩模图像进行按位与操作，实现掩模运算。

22 按位逻辑或cv2.bitwise_or()

cv2.bitwise_or()实现按位逻辑或操作，其语法如下：

● dst表示按位或操作后的图像

● src1表示算子图像1

● src2表示算子图像2

● mask表示可选操作掩码，8位单通道array。

2.3 按位逻辑非cv2.bitwise_not()

cv2.bitwise_not()实现按位逻辑非操作，其语法如下：

● dst表示按位非操作后的图像

● src表示算子图像

● mask表示可选操作掩码，8位单通道array。

2.4按位逻辑异或cv2.bitwise_xor()

cv2.bitwise_xor()实现按位逻辑异或操作，其语法如下：

● dst表示按位异或操作后的图像

● src1表示算子图像1

● src2表示算子图像2

● mask表示可选操作掩码，8位单通道array。

2.5掩膜mask参数

当使用掩模参数时，操作只会在掩模值为非零的像素点上执行。如下掩码

仅有值为1的部分参与运算。（当然1可以是任何非0数值）,掩码为0部分计算值总是0。

进行img3 = cv2.add(img1,img2,mask=mask)操作时，结果如下：

前面的掩膜图像（即只有0和255）是在实现按位逻辑与掩膜的一种特殊方法。

3. 位平面分解

位平面分解：每一个像素点为一个8位的像素值，将其0-255可以化为8位二进制数。将整个图形中每个像素点第n位二进制数提出来作为一个图像的过程，称之为位平面分解。

二进制形式如下：

①：a7-a1对应了不同的权重，权重的大小体现出对应位与原图的相关性大小。a7最大（第七层），a1最小（第一层）。

②：灰度图像仅仅只有一个通道，一个像素点仅仅只有八位，所以一副灰度图像有且仅有 八个位平面。但在BGR三个通道，故有24个位平面。通常将层数相同的三个通道组合起来作为一副分解出的BGR彩色位平面图像。

③：通过按位逻辑运算可以实现位平面的分解

3.1 逻辑分解法

按位与提取法：

​ 1&任何数字 = 任何数字

​ 0&任何数字 = 0

故我们可以找到一个算子来提取第n位，这个算子mat需要满足提取位为1，其他位为0。如下：

通过按位与提取法提取的位平面result通常只含有0和（1,2,4,8,16,32,64,128）中两个数字，在低层位平面中由于像素值差别太小，无法分辨出颜色，此时要进行阈值处理。

阈值处理：将大于0的值上升为255。具体语法为：

程序示例

位平面分解示例如下：

import cv2
import numpy as np

loadImg = cv2.imread("Resources/lena.png",0)
print(loadImg)
w,h = loadImg.shape #获取图片大小

mat = np.zeros((w,h,8),dtype=np.uint8)#创建算子

for init in range(8):#初始化算子为1,2,4,8,16，32,64,128
    mat[:,:,init] = 2**init
    print(mat[:,:,init])

cv2.imshow("imgLoad",loadImg)
result =  np.zeros((w,h,8),dtype=np.uint8)
for i in range(8):
    result[:,:,i] = cv2.bitwise_and(loadImg,mat[:,:,i])  #提取第r位位平面
    mask = result[:,:,i]>0                               #提取掩码用于阈值处理
    result[mask] = 255                                   #阈值处理
    cv2.imshow(str(i),result[:,:,i])                     #显示出来
cv2.waitKey(0)
cv2.destroyAllWindows()

4.图像的加密和解密

原理：

假如有a，b两个整型数，我们可以用

a=a^b;
b=b^a;
a=a^b;

任何一位二进制数同 1 异或都会改变状态
任何一位二进制数同 0 异或都保持不变

● a：明文，原始数据。● b：密钥。● c：密文，通过xor(a, b)实现

a^c = b 异或得到密文

b^c = a 密文再次异或解密

● 加密过程：将明文a与密钥b进行按位异或，完成加密，得到密文c。

● 解密过程：将密文c与密钥b进行按位异或，完成解密，得到明文a。