python-openCV学习笔记（2）-图像运算

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（1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，求得的和很有可能超过255，上面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。

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）进行求和时，遵循以下规则：
$a+b=\{\begin{array}{ll}a+b,& \text{a+b<=255}\\ mod(a+b,256),& \text{a+b>255}\end{array}$
式子中，mod()是取模运算，”mod(a+b，256)“表示计算”a+b的和除以256取余数“。

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)

注意：取模在数组类型定义dtype=np.uint8时已经完成

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b进行求和运算时，会得到像素值的对应图像的饱和值（最大值）。遵循以下规则：
$a+b=\{\begin{array}{ll}a+b,& \text{a+b<=255}\\ 255,& \text{a+b>255}\end{array}$

图像加权和

所谓图像加权和，就是在计算两幅图像的像素值之和时，将每幅图像的权重考虑进来，可以用公式表示为：
$dst=saturate(src1\ast a+src2\ast b+c)$
OpenCV中提供了函数cv2.addWeighted()，用来实现图像的加权和（混合、融合），该函数的语法格式为
dst=cv2.addWeighted(src1,alpha,src2,beta,gamma)
其中，参数alpha和beta是src1和src2所对应的系数，它们的和可以等于1，也可以不等于1。需要注意，式中参数gamma的值可以是0，但该参数是必选参数。

img1 = np.ones((3,4),dtype=np.uint8)
gamma=3
img3=cv2.addWeighted(img1,0.6,img2,5,gamma)
print("img3=\n",img)

按位逻辑运算

逻辑运算在图像处理过程中经常要按照位进行逻辑运算，常见的位运算函数如下。

函数名称	基本含义
cv2.bitwise_and()	按位与
cv2.bitwise_or()	按位或
cv2.bitwise_xor()	按位异或
cv2.bitwise_not()	按位取反

按位与运算

在与运算中，当参与与运算的两个逻辑值都是真时，结果为真，其他为假。
在OpenCV中，可以使用cv2.bitwise_and()函数来实现按位与运算，格式如下:
dat = cv2_bitwise_and(src1,src2[,mask]])
式中，
dst表示与输入值具有同样大小的array输出值。
src1表示第一个array或scalar类型的输入值
scr2表示第二个array或scalar类型的输入值
mask表示可选操作掩码，8为单通道array

a = cv2.imread("lena.jpg",0)
b = np.zeros(a.shape,dtype=np.uint8)
b[100:400,200:400]=255
b[100:500,100:200]=255
c=cv2.bitwise_and(a,b)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.imshow("c",c)
cv2.waitKey()
cv2.destroyAllWindows()

按位或运算

在或运算中，当参与或运算的两个逻辑值其中至少一个为真时，结果为真，其他为假。
在OpenCV中，可以使用cv2.bitwise_and()函数来实现按位或运算，格式如下:
dat = cv2_bitwise_or(src1,src2[,mask]])
式中，
dst表示与输入值具有同样大小的array输出值。
src1表示第一个array或scalar类型的输入值
scr2表示第二个array或scalar类型的输入值
mask表示可选操作掩码，8为单通道array

按位非运算

非运算是取反操作，满足如下逻辑：
当运算数为真时，结果为假。
当运算数为假时，结果为真。
在OpenCV中，可以使用cv2.bitwise_not()函数来实现按位非运算，格式如下:
dat = cv2_bitwise_or(src[,mask]])
式中，
dst表示与输入值具有同样大小的array输出值。
src表示array或scalar类型的输入值
mask表示可选操作掩码，8为单通道array

按位异或运算

异或运算也叫半加运算，当两个逻辑值不同时，为真，其他为假
在OpenCV中，可以使用cv2.bitwise_xor()函数来实现按位异或运算，格式如下:
dat = cv2_bitwise_xor(src1,scr2[,mask]])
式中，
dst表示与输入值具有同样大小的array输出值。
src1表示第一个array或scalar类型的输入值
scr2表示第二个array或scalar类型的输入值
mask表示可选操作掩码，8为单通道array

掩模

OpenCV中的很多函数都会指定一个掩模，也被称为掩码。
当使用掩模参数时，操作只会在掩模值为非空的像素点上执行，并将其他像素点的值置为0.

img1=np.ones((4,4),dtype=np.uint8)*3
img2=np.ones((4,4),dtype=np.uint8)*5
mask=np.zeros((4,4),dtype=np.uint8)
mask[2:4,2:4]=1
img3=np.ones((4,4),dtype=np.uint8)*66
print("img1=\n",img1)
print("img2=\n",img2)
print("mask=\n",mask)
print("初始值img3=\n",img3)
img3=cv2.add(img1,img2,mask=mask)
print("求和后mg3=\n",img3)

img1=np.ones((4,4),dtype=np.uint8)*3
img2=np.ones((4,4),dtype=np.uint8)*5
print("img1=\n",img1)
print("img2=\n",img2)
img3=cv2.add(img1,img2)
print("cv2.add(img1,img2)=\n",img3)
img4=cv2.add(img1,6)
print("cv2.add(img1,6)=\n",img4)
img5=cv2.add(6,img2)
print("cv2.add(6,img2)=\n",img5)

位平面分解

将灰度图像中处于同一比特位上的二进制像素值进行组合，得到一幅二进制图像，该图像被称为灰度图像的一个位平面，这个过程被称为位平面分解。
通过提取灰度图像像素点二进制像素值的每一比特位的组合，可以得到多个位平面图像。图像中全部像素值的a(i)值所构成的位平面，称为第i个位平面（第i层）。在8位灰度图中，可以组成8个二进制值图像，即可以将原图分解为8个位平面。其中，由图像中的每个像素的a(0)值（即从右边数第0个二进制位，第0个比特位）组成的，我们称之为第0个位平面，也可以称为第0层，即是由二进制位的第0位构成的。其也称为”最低有效位“位平面。由图像中的每个像素的a(7)值（即从右边数第7个二进制位，第7个比特位）组成的，也称为”最高有效位“位平面。
针对RGB图像，如果将R、G、B通道中的每一个通道对应的位平面进行合并，即可组成新的RGB彩色图像。例如，针对一幅RGB图像，将其R通道的第3个位平面、G通道的第3个位平面、B通道的第3个位平面进行合并，则可以构成一幅新的RGB彩色图像，我们称之为原始图像的第3个位平面。

下面以灰度图像为例，介绍位平面分解的具体步骤
1.图像预处理
2.构造提取矩阵，使用按位与操作能够很方便地将一个数值指定位上的数值提取出来。
3.提取位平面，将灰度图像与提取矩阵进行按位与运算，得到各个位平面。
4.阈值处理，因为每次提取位平面后，要想让二值位平面能够以黑白颜色显示出来，就要将得到的二值位平面进行阈值处理，将其中大于零的值处理为255
5.显示图像。

lena = cv2.imread("lena.jpg",0)
cv2.imshow("lena",lena)
r,c=lena.shape
x=np.zeros((r,c,8),dtype=np.uint8)
for i in range(8):
    x[:,:,i]=2**i
r=np.zeros((r,c,8),dtype=np.uint8)
for i in range(8):
    r[:,:,i]=cv2.bitwise_and(lena,x[:,:,i])
    mask=r[:,:,i]>0
    r[mask]=255
    cv2.imshow(str(i),r[:,:,i])
cv2.waitKey()
cv2.destroyAllWindows()

数字水印

最低有效位指的是一个二进制数中的第0层（即最低位）。最低有效位信息隐藏指的是，将一个需要隐藏的二值图像信息嵌入载体图像的最低有效位，即将载体图像的最低有效位层代替当前需要隐藏的二值图像，从而实现将二值图像隐藏的目的。在必要时直接将载体图像的最低有效位层提取出来，即可得到嵌入在该位上的二值图像，达到提取秘密信息的目的。
这种信息隐藏也被称为数字水印，通过该方式可以实现信息隐藏、版权认证、身份认证等功能。被嵌入载体图像内的信息也被称为数字水印信息。
从位平面的角度考虑，数字水印的处理过程分为下面两步；
1.嵌入过程：将载体图像的第0个位平面替换为数字水印信息。
2.提取过程：将载体图像的最低有效位所构成的第0个位平面提取出来，得到数字水印信息。

#读取原始图像
lena = cv2.imread("lena.jpg",0)
#读取水印图像
watermark = cv2.imread("watermark.jpg",0)
#将水印图像内的值为255处理为1，以方便嵌入
w=watermark[:,:]>0
watermark[w]=1
#读取原始载体图像的shape值
r,c=lena.shape
#==========嵌入过程=================
#生成元素值都是254的数组
t254=np.ones((r,c),dtype=np.uint8)*254
#获取lena图像的高7位
lenaH7=cv2.bitwise_and(lena,t254)
#将watermask嵌入lenaH7内
e=cv2.bitwise_or(lenaH7,watermark)
#================提取过程=======================
#生成元素值都是1的数组
t1=np.ones((r,c),dtype=np.uint8)
#从载体图像内提取水印图像
wm=cv2.bitwise_and(e,t1)
print(wm)
#将水印图像内的值为1处理为255，以方便显示
w=wm[:,:]>0
wm[w]=255
#==============显示===============================
cv2.imshow("lema",lena)
cv2.imshow("wayermask",watermark)
cv2.imshow("e",e)
cv2.imshow("wm",wm)
cv2.waitKey()
cv2.destroyAllWindows()