python补集运算_（十三）OpenCV中的数学运算（集合）

时间为友，记录点滴

集合论作为数学根基的一个大分支，在OpenCV中怎么能少了它。

首先，我们要理解一些名词：

• ：属于

如果a是集合A={a, b}的一个元素，可以记做a

A

• ：不属于

如果c不是集合A={a,b}的一个元素，可以记做c

A

• ：空集

如果集合A中什么元素都没有，可以记做A=

• U：全集

一个领域内所有可能元素的集合。一般来说，全集没有固定的符号，我们可以按照流行把U记做全集。

• ：子集

如果集合A中的元素全部都是集合B的，可以记做A

B，称A是B的子集。

• ：并集

如果集合C有且只有集合A和集合B的所有元素，可以记做C=A

B，称C是A和B的并集。

• ：交集

如果集合D有且只有集合A和集合B中共同的元素，可以记做D=A

B，称D是A和B的交集。

• ：补集

如果集合A是全集U中的一个子集，那么

就表示在全集U中除了集合A以外的其他元素的集合。

好了，回忆起这些最简单的概念就够了，比背高斯密度函数好多了。我们先写一个简单的例子。按照《数字图像处理》中的一个对比图，我们可以把一张照片做反色处理。

雷老怎么选择这样的图，吓跑了多少小MM

在图像处理中的反色，其实就是对每个像素的点做补集。这个补集什么概念呢？我们假设一张CVU8C1的图，那么一个像素的全集U={0, ...., 255}，其中0代表黑色，255代表白色。那么如果一个任何一个像素的值a都应该落在全集里，我们把这个数值想象成一个有长度的线段，它的值就代表了有多白的程度，所以反过来对他做补集的物理含义就是用255-a计算出来，代表“离白”的程度，也可以想象成黑的程度。

你有多白？你有多黑？

C++

注意点：

1. Mat 出来的对象，可以用Scalar来填充默认值。
2. bitwise_not现有的API和255-Value得到的结果是一样的。

#include <iostream>
#include <string>
#include <opencv2/opencv.hpp>


#define BONE_PIC	"Fig0232(a)(partial_body_scan).tif"

using namespace std;
using namespace cv;

static bool complementSetTest(Mat imgOri);

int main()
{
	Mat imgBoneOri = imread(BONE_PIC);
	if (imgBoneOri.empty())
	{
		cout << "Cannot find this picture!" << endl;
		return false;
	}
	imshow("boneOri", imgBoneOri);


	complementSetTest(imgBoneOri);

	waitKey(0);
	return true;
}

static bool complementSetTest(Mat imgOri)
{
	Mat imgOut(imgOri.size(), imgOri.type(), Scalar(255, 255, 255));
	if (CV_8UC3 != imgOri.type())
	{
		cout << "Can not match this picture type!" << endl;
		return false;
	}

	imgOut = imgOut - imgOri;

	//bitwise_not(imgOri, imgOut);

	imshow("imgBoneCom", imgOut);
	imwrite("BoneCom.png", imgOut);

	return true;
}

结果：

反色后

Python:

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# author：lowkeyway time:7/19/2019

import sys
import cv2 as cv
import numpy as np

def main_func(argv):
    imgBone = cv.imread("Fig0232(a)(partial_body_scan).tif")
    cv.imshow("boneOri", imgBone)

    imgOut = np.zeros(imgBone.shape, imgBone.dtype)
    cv.bitwise_not(imgBone, imgOut)
    cv.imshow("boneOut", imgOut)
    cv.imwrite("bonBitwiseNot.png", imgOut)


    cv.waitKey(0)

if __name__ == '__main__':
    main_func(sys.argv)

至此，我们基本把图的操作都介绍了一遍。罗列一下：

//基本运算：
void add(InputArray src1, InputArray src2, OutputArray dst,InputArray mask=noArray(), int dtype=-1);//dst = src1 + src2
void subtract(InputArray src1, InputArray src2, OutputArray dst,InputArray mask=noArray(), int dtype=-1);//dst = src1 - src2
void multiply(InputArray src1, InputArray src2,OutputArray dst, double scale=1, int dtype=-1);//dst = scale*src1*src2
void divide(InputArray src1, InputArray src2, OutputArray dst,double scale=1, int dtype=-1);//dst = scale*src1/src2
void divide(double scale, InputArray src2,OutputArray dst, int dtype=-1);//dst = scale/src2
void scaleAdd(InputArray src1, double alpha, InputArray src2, OutputArray dst);//dst = alpha*src1 + src2
void addWeighted(InputArray src1, double alpha, InputArray src2,double beta, double gamma, OutputArray dst, int dtype=-1);
void sqrt(InputArray src, OutputArray dst);//计算每个矩阵元素的平方根
void pow(InputArray src, double power, OutputArray dst);//src的power次幂
void exp(InputArray src, OutputArray dst);//dst = e**src（**表示指数的意思）
void log(InputArray src, OutputArray dst);//dst = log(abs(src))

//逻辑运算：
void bitwise_and(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray());//dst = src1 & src2
void bitwise_or(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray());//dst = src1 | src2
void bitwise_xor(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray());//dst = src1 ^ src2
void bitwise_not(InputArray src, OutputArray dst,InputArray mask=noArray());//dst = ~src