OpenCV图像处理技术（Python）—— 图像运算

OpenCV图像处理技术（Python）—— 图像运算
© Fu Xianjun. All Rights Reserved.

---

前言

感谢傅老师的悉心栽培感谢老师的教诲
以下内容均来自傅老师© Fu Xianjun. All Rights Reserved.

学习目标

1.理解图像算术运算的概念
2.使用对应函数实现图像加减乘除
3.使用加权相加函数实现应用
4.理解图像逻辑运算应用场景
5.使用相关函数实现图像加密、面部打码、数字水印

图像算术运算

1.应用亮度与对比度调整

加减乘除

def add_demo(m1, m2):
    dst = cv2.add(m1, m2)
    cv2.imshow("add_demo", dst)

def subtract_demo(m1, m2):
    dst = cv2.subtract(m1, m2)
    cv2.imshow("subtract_demo", dst)

def divide_demo(m1, m2):
    dst = cv2.divide(m1, m2)
    cv2.imshow("divide_demo", dst)

def multiply_demo(m1, m2):
    dst = cv2.multiply(m1, m2)
    cv2.imshow("multiply_demo", dst)

def multiply_demo(m1, m2):
    dst = cv2.multiply(m1, m2)
    cv2.imshow("multiply_demo", dst)

def contrast_brightness_demo(image, c, b):
    h, w, ch = image.shape
    blank = np.zeros([h, w, ch], image.dtype)
    dst = cv2.addWeighted(image, c, blank, 1-c, b)
    cv2.imshow("con-bri-demo", dst)

img1=cv2.imread("LinuxLogo.jpg")
img2=cv2.imread("WindowsLogo.jpg")
cv2.imshow("image1", img1)
cv2.imshow("image2", img2)
contrast_brightness_demo(img2,1.2,10)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下：

代码如下（示例）：

2.逻辑运算

1 按位与 按位或

def logic_demo(m1, m2):
    dst1 = cv2.bitwise_and(m1, m2)
    dst2 = cv2.bitwise_or(m1, m2)
    cv2.imshow("logic_demo_and", dst1)
    cv2.imshow("logic_demo_or",dst2)

2 按位非运算 按位异或

def logic_demo2(m1,m2):
    dst1=cv2.bitwise_not(m1,m2)
    dst2=cv2.bitwise_xor(m1,m2)
    cv2.imshow("logic_demo_not", dst1)
    cv2.imshow("logic_demo_xor",dst2)    

3 实现

img1=cv2.imread("LinuxLogo.jpg")
img2=cv2.imread("WindowsLogo.jpg")
cv2.imshow("image1", img1)
cv2.imshow("image2", img2)
logic_demo(img1,img2)
#logic_demo2(img2,img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行效果如下：

3.逻辑运算的运用

3.1面部加密

import cv2
import numpy as np
 
demo = cv2.imread("shenmi.jpg", 0)
r, c = demo.shape
key = np.random.randint(0, 256, size=(r, c), dtype=np.uint8)   # 生成随机的密钥图像
 
cv2.imshow("shenmi", demo)              # 显示原始图像
cv2.imshow("key", key)                # 显示密钥图像
 
encryption = cv2.bitwise_xor(demo, key)   # 加密
decryption = cv2.bitwise_xor(encryption, key)  # 解密
 
cv2.imshow("jiami", encryption)      # 显示密文图像
cv2.imshow("jiemi", decryption)      # 显示解密后的图像
 
cv2.waitKey()
cv2.destroyAllWindows()

运行效果如下：

3.2 面部打码及解码

lena=cv2.imread("lena.bmp",0)
r,c=lena.shape
mask=np.zeros((r,c),dtype=np.uint8)
mask[220:400,250:350]=1
key=np.random.randint(0,256,size=[r,c],dtype=np.uint8) # 获取密匙

lenaXorKey=cv2.bitwise_xor(lena,key)  # 对原图像加密
encryptFace=cv2.bitwise_and(lenaXorKey,mask*255) # 获取加密图的脸部信息
noFace1=cv2.bitwise_and(lena,(1-mask)*255)     # 将原图的脸部位置置0
maskFace=encryptFace+noFace1                # 得到打码的原图  

# 解码
extractOriginal=cv2.bitwise_xor(maskFace,key)   # 得到脸部的原始信息
extractFace=cv2.bitwise_and(extractOriginal,mask*255)  # 提取脸部信息
noFace2=cv2.bitwise_and(maskFace,(1-mask)*255)  # 从打码的原图内提取没有脸的原图
extractLena=noFace2+extractFace     # 得到解码的原图

# 显示图像
cv2.imshow("lena",lena)
cv2.imshow("mask",mask*255)          
cv2.imshow("1-mask",(1-mask)*255)
cv2.imshow("key",key)
cv2.imshow("lenaXorKey",lenaXorKey)
cv2.imshow("encryptFace",encryptFace)
cv2.imshow("noFace1",noFace1)
cv2.imshow("maskFace",maskFace)
cv2.imshow("extractOriginal",extractOriginal)
cv2.imshow("extractFace",extractFace)
cv2.imshow("noFace2",noFace2)
cv2.imshow("extractLena",extractLena)
cv2.waitKey()
cv2.destroyAllWindows()

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了OpenCV中的图像运算，感谢我的老师© Fu Xianjun. All Rights Reserved.