opencv入门：通道拆分，合并，图像属性，图像加法运算，图像加权和，按位逻辑运算，掩模

感觉跟以前看的pillow 模块差不多啊。。。。

通道操作

根据需要对通道进行拆分和合并。

通道拆分

1. 通过索引拆分

通过索引的方式，可以直接将各个通道从图像内提取出来。例如针对BGR 图像Img

额，，我一直想知道单提出来某个通道为什么是灰的。。。

2. 通过函数拆分

import cv2
lena=cv2.imread("5.jpg")
b,g,r=cv2.split(lena)          # 拆分通道，b=cv2.split(lena)[0] 一样的
cv2.imshow("B",b)
cv2.imshow("G",g)
cv2.imshow("R",r)
cv2.waitKey()
cv2.destroyAllWindows()

通道合并

按两种方式合并，，也挺好看的。。。

获取图像属性

• shape：如果是彩图，返回包含行数，列数，通道数的数组，如果是二值图或灰度图，仅返回行数和列数。可以通过返回值判断是否是彩图
• size：返回图像的像素数目，值为 行 X 列 X 通道数，灰度或二值图通道为1
• dtype ：返回图像的数据类型

color=cv2.imread("5.jpg")
print("color.shape=",color.shape)
print("color.size=",color.size)
print("color.dtype=",color.dtype)
color.shape= (707, 500, 3)
color.size= 1060500
color.dtype= uint8

图像运算

很多复杂的图像处理功能就是通过基础的加法运算，位运算来完成的。

图像加法运算

可以通过 + or cv2.add() 来完成，对于灰度图，相加后像素值的范围可能超过255，以上两种对这种超过255的处理方式不一样。

加号运算符

mod() 是取模运算，mod(a+b,256) 表示 a+b 的和除以256取余数

上面的公式也可以直接写 𝑎 + 𝑏 = mod(𝑎 + 𝑏, 256) ,无论是否大于256，都是取模。

通过将数组的数值类型定义为dtype=np.uint8，可以保证数值范围在 [0-255] ，并且是由这个类型来决定取模运算。

cv2.add() 函数

这个进行求和运算，会得到像素值对应图像的饱和值，例如 8位灰度图像的饱和值就是255.

cv2.add() 的参数可以有三种形式：

• 计算结果=cv2.add(图像 1,图像 2)，参与运算的图像大小和类型必须一致
• 计算结果=cv2.add(数值,图像) ，超过饱和值的，就是饱和值
• 计算结果=cv2.add(图像,数值)，超过饱和值的就是饱和值
  
  加号就是让更亮的像素点暗了，add 就是整体变亮。

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，公式表示为

其中，saturate() 表示饱和值，加权和计算时，两个图像必须大小，类型相同，对具体是什么类型和通道没有限制，可以是任意类型，有任何数量的通道（灰度或彩图）。

opencv 使用函数cv2.addWeighted() 来实现图像的加权和（混合，融合） dst=cv2.addWeighted(src1, alpha, src2, beta, gamma)

但是其中 gamma 不可省略，可以是0.上式可以理解为 结果通向=图像1 X 系数1 + 图像2 X 系数2 + 亮度调节

a=cv2.imread("5.jpg")
b=cv2.imread("7.jpg")
result=cv2.addWeighted(a,0.6,b,0.4,0)     # 按这个比例混合，
cv2.imshow("boat",a)
cv2.imshow("lena",b)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

按位逻辑运算

逻辑运算是一种非常重要的运算方式，图像处理过程种经常要按照位进行逻辑运算，简称位运算

按位与运算

都真则为真。将数值转换成二进制，对应位上进行按位与。

输出=cv2.bitwise_and( 数值1，数值2，[掩码] ）

• 任何数值N 与 0 进行按位与，都是获得数值0.
• 任何数值N（这里仅考虑8位值）与数值255（1111 1111）进行位与 获得数值N本身。

根据上述特点，可以构造一副掩模图M，掩模图M 中只有两种值，0和255.将该掩模图与一副灰度图G 进行位与，在得到的图像R 中：

• 与掩模图M中的数值 255 对应位置上的值来源于灰度图G
• 掩模图M中的数值0的位置为黑色。

构造一个掩模图，使用按位与来保留图像中被掩膜指定的部分。

针对BGR模式的彩图使用掩膜提取指定部分，可以通过将掩模图转换成BGR 模式的彩图然后再与图像按位与，实现掩膜运算。

可以看到变成彩图了。。再构建b 时, a.shape 将掩模图转换成了三通道的彩图吧。。。

按位或运算

有一个是1 则为 1.

dst = cv2.bitwise_or( src1, src2[, mask]] )

按位非运算

取反操作

按位异或运算

就跟不带进位的加法运算一样。

掩模

Opencv中有很多函数都会指定一个掩模，也叫掩码，就是上面那个mask。还有 cv2.add( 参数1，参数2，掩模）

但是用掩模参数时，操作只会再掩模值为非空的像素点上执行，并将其他像素点的值置零。

上面为了使掩模图与彩图进行按位与运算，将掩模图转换成了三通道的彩图，实际上可以使用cv2.bitwise_and( src1, src2[, mask]] ) 的mask 参数，这个就可以是8位单通道图像，将要处理的彩图同时作为两个参数，使用掩模图作掩码参数，效果一样的。要注意，彩图自身按位与运算得到的还是本身，然后使用掩码来决定显示那部分。