掩膜区域内像素值_OpenCV计算机视觉学习（2）——图像算术运算 &图像阈值（数值计算，掩膜mask操作，边界填充，二值化）...

如果需要处理的原图及代码，请移步小编的GitHub地址

传送门：请点击我

如果点击有误：https://github.com/LeBron-Jian/ComputerVisionPractice

在OpenCV中我们经常会遇到一个名字：Mask(掩膜)。很多函数都使用到它，那么这个Mask到底是什么呢，下面我们从图像基本运算开始，一步一步学习掩膜。

1，图像算术运算

图像的算术运算有很多种，比如两幅图像可以相加，相减，相乘，相除，位运算，平方根，对数，绝对值等；图像也可以放大，缩小，旋转，还可以截取其中的一部分作为ROI(感兴趣区域)进行操作，各个颜色通道还可以分别提取对各个颜色通道进行各种运算操作。总之，对图像可以进行的算术运算非常的多。这里先学习图片间的数学运算，图像混合，按位运算。

1.1 图片加法

要叠加两张图片，可以用 cv2.add() 函数，相加两幅图片的形状(高度/宽度/通道数)必须相同， numpy中可以用  res = img1 + img2 相加，但这两者的结果并不相同。

x = np.uint8([250])

y = np.uint8([10])

print(cv2.add(x, y)) # 250+10 = 260 => 255

print(x + y) # 250+10 = 260 % 256 = 4

如果是二值化图片(只有0和255)，两者结果是一样的(用 numpy的方式更简便一些)。

这里我们代入图像中看一下：

#encoding:utf-8

import cv2

import numpy as np

import matplotlib.pyplot as plt

# 举一个极端的例子，真的只是运气好，遇到了。。。。

img = cv2.imread('lena.jpg')

img_add = img + 10

img_add2 = cv2.add(img, img_add)

print(img[0:4, :, 0])

print(img_add[0:4, :, 0])

print(img_add2[0:4, :, 0])

'''

这个是 logo1.jpg 的效果

[[246 246 246 ... 246 246 246]

[246 246 246 ... 246 246 246]

[246 246 246 ... 246 246 246]

[246 246 246 ... 246 246 246]]

[[0 0 0 ... 0 0 0]

[0 0 0 ... 0 0 0]

[0 0 0 ... 0 0 0]

[0 0 0 ... 0 0 0]]

[[246 246 246 ... 246 246 246]

[246 246 246 ... 246 246 246]

[246 246 246 ... 246 246 246]

[246 246 246 ... 246 246 246]]

这个是 lena.jpg 的效果

[[126 125 124 ... 128 120 90]

[127 126 124 ... 135 131 96]

[124 123 121 ... 144 138 96]

[116 119 116 ... 73 56 35]]

[[136 135 134 ... 138 130 100]

[137 136 134 ... 145 141 106]

[134 133 131 ... 154 148 106]

[126 129 126 ... 83 66 45]]

[[255 255 255 ... 255 250 190]

[255 255 255 ... 255 255 202]

[255 255 252 ... 255 255 202]

[242 248 242 ... 156 122 80]]

# 我们发现 使用numpy库的加法，则运算结果取模

使用opencv的add()函数，则运算结果当大于255，则取255

'''

注意：OpenCV中的加法与Numpy的加法是有所不同的，OpenCV的加法是一种饱和操作，而Numpy的加法是一种模操作。

Numpy库的加法

其运算方法是：目标图像 = 图像1 + 图像2，运算结果进行取模运算

当像素值 小于等于  255 时，结果为：“图像1 + 图像2”，例如：120+48=168

当像素值 大于255 时，结果为：对255取模的结果，例如：(255 + 64) % 255 = 64

OpenCV的加法

其运算方法是：目标图像 = cv2.add(图像1， 图像2)

当像素值 小于等于  255 时，结果为：“图像1 + 图像2”，例如：120+48=168

当像素值 大于255 时，结果为：255，例如：255 + 64 = 255

两种方法对应的代码如下：

# encoding:utf-8

import cv2

import numpy as np

import matplotlib.pyplot as plt

# 读取图片

img = cv2.imread('logo1.jpg')

test = img

# 方法一：Numpy加法运算

result1 = img + test

# 方法二：OpenCV加法运算

result2 = cv2.add(img, test)

all_pic = np.column_stack((img, result1, result2))

# 显示图像

cv2.imshow('img result1 result2', all_pic)

# cv2.imshow("original", img)

# cv2.imshow("result1", result1)

# cv2.imshow("result2", result2)

# 等待显示

cv2.waitKey(0)

cv2.destroyAllWindows()

原图及其效果图如下：

其中，result1为Numpy的方法，result2为OpenCV的方法。

1.2  图像混合

图像融合通常是指将2张或者两张以上的图像信息融合到1张图像上，融合的图像含有更多的信息，能够更方便人们观察或计算机处理。

图像融合是在图像加法的基础上增加了系数和亮度调节量。

图像融合：目标图像 = 图像1*系数1 + 图像2*系数2 + 亮度调节量

图像混合 cv2.addWeighted() 也是一种图片相加的操作，只不过两幅图片的权重不一样， y 相当于一个修正值：

dst = α*img1 + β*img2 + γ

PS：当  alpha 和  beta 都等于1，则相当于图片相加。

代码如下：

import cv2

import numpy as np

img1 = cv2.imread('lena_small.jpg')

img2 = cv2.imread('opencv_logo_white.jpg')

# print(img1.shape, img2.shape) # (187, 186, 3) (184, 193, 3)

img2 = cv2.resize(img2, (186, 187))

# print(img1.shape, img2.shape)

res = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)

cv2.imshow("res", res)

cv2.waitKey(0)

cv2.destroyAllWindows()

注意这里，两张图片的尺寸必须一致。原图和结果图如下：

1.3  图像矩阵减法

图像矩阵减法与加法其实类似，我们这不多做说明，只贴函数：

函数原型：cv2.subtract(src1, src2, dst=None, mask=None, dtype=None)

src1：图像矩阵1

src1：图像矩阵2

dst：默认选项

mask：默认选项

dtype：默认选项

1.4  按位运算

按位操作有：AND ，OR， NOT，XOR 等。cv2.bitwise_and(), cv2.bitwise_not(), cv2.bitwise_or(), cv2.bitwise_xor()分别执行按位与/或/非/异或运算。下面我们贴一下opencv中的函数

bitwise_or—图像或运算

函数原型：cv2.bitwise_or(src1, src2, dst=None, mask=None)

src1：图像矩阵1

src1：图像矩阵2

ds