数字图像处理：图像的相关操作

阵列与矩阵操作

对于下列两个2 X 2的图像：
$$\left[\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& a_{22}\end{array}\right],\left[\begin{array}{cc}{b}_{11}& b_{12}\\ b_{21}& b_{22}\end{array}\right]$$
阵列相乘的结果为：
$$\left[\begin{array}{cc}{a}_{11}{b}_{11}& a_{12}{b}_{12}\\ a_{21}{b}_{21}& a_{22}{b}_{22}\end{array}\right]$$
矩阵相乘的结果为：
$$\left[\begin{array}{cc}{a}_{11}{b}_{11}+a_{12}{b}_{21}& a_{11}{b}_{12}+a_{12}{b}_{22}\\ a_{21}{b}_{21}+a_{22}{b}_{21}& a_{22}{b}_{22}+a_{22}{b}_{22}\end{array}\right]$$

线性操作与非线性操作

设操作$H$和两个图像$f(x,y)$和$g(x,y)$, 如果对于任意常数$a_1$和$a_2$：
$$H[a_{1}f(x,y)+a_{2}g(x,y)]=a_{1}H\cdot f(x,y)+a_{2}H\cdot g(x,y)$$
成立，那么称$H$是线性操作，否则，称为非线性操作。
线性操作满足两个法则：

1. 比例性/同质性：若$y=f(x),$对于任意$a$，都有$a\cdot y=f(a\cdot x)$
2. 叠加性：若$y_1=f(x_1),y_2=f(x_2)$，则有$y_1+y_2=f(x_1+x_2)$

比如，$y=x$为线性操作， $y=x+1$为非线性操作。

邻域操作

邻域一般是一个远小于图像尺寸、形状规则的像素块，例如𝟐 × 𝟐 、𝟑 × 𝟑的正方形。
假定$S_{xy}$代表代表图像 𝒇 中以(𝒙, 𝒚)为中心的一个邻域坐标集，邻域
处理在输出图像 𝒈 的相同坐标处生成一个相应的像素，该像素的值由输入图像中坐标$S_{xy}$内的像素经指定操作决定。例如，求均值：
$$g(x,y)=\frac{1}{mn}\sum _{(r,c)\in S_{xy}}f(r,c)$$
其中，$mn$为邻域大小，$(r,c)$为像素坐标

练习

1. 编写Python程序，对图像进行加、减、乘、除操作.
   
   

'''
Description: 
Author: Weijian Ma
Date: 2020-09-23 20:29:46
LastEditTime: 2020-09-23 22:38:06
LastEditors: Weijian Ma
'''

import cv2 as cv


img01 = cv.imread("1.png")
img02 = cv.imread("2.png")
img02=cv.resize(img02,(img01.shape[1],img01.shape[0]),interpolation=cv.INTER_CUBIC)
print(img01.shape)
print(img02.shape)


## 加
imgOfAdd = cv.add(img01, img02)
## 减
imgOfSub = cv.subtract(img01, img02)
## 乘
imgOfMul = cv.multiply(img01, img02)
## 除
imgOfDiv = cv.divide(img01, img02)

## 显示图像
cv.imshow("resource1", img01)
cv.imshow("resource2", img02)
cv.imshow("Add", imgOfAdd)
cv.imshow("Sub", imgOfSub)
cv.imshow("Mul", imgOfMul)
cv.imshow("Div", imgOfDiv)

cv.waitKey(0)
cv.destroyAllWindows()

结果：