Python图片读写方式之OpenCV 图像算术运算

最新推荐文章于 2024-03-11 10:02:02 发布
最新推荐文章于 2024-03-11 10:02:02 发布
阅读量686 收藏 3
点赞数
分类专栏： python图像处理 文章标签： opencv python 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46886030/article/details/121174659
版权
本文介绍了OpenCV中图像的加法操作，包括cv2.add()函数的使用，以及如何处理图像大小不一致的情况。接着详细讲解了cv2.addWeighted()函数，用于线性融合两张图像。最后讨论了图像的位运算，包括二值化、位与、位或、位异或和位非运算，并提供了相关实例代码。
摘要由CSDN通过智能技术生成

一、图像加法

（一） cv2.add()

import cv2
import numpy as np
x = np.uint8([250])
y = np.uint8([14])
print(cv2.add(x,y))  ## 相加，opencv超过255的截取为255   250+14 = 264 => 255
## Out[1]: array([[255]], dtype=uint8)
print(x+y)  ## 相加，np超过255的会取模运算 （uint8只能表示0-255，所以取模）  250+14 = 264 % 256 = 8
## Out[2]: array([8], dtype=uint8)

add(src1, src2, dst=None, mask=None, dtype=None)

参数说明：

  • src1, src2：需要相加的两副大小和通道数相等的图像或一副图像和一个标量。
    • 两幅图像相加：相加的两个图片，应该有相同的大小和通道。处理时将两副图像相同位置的像素的灰度值（灰度图像）或彩色像素各通道值（彩色图像）分别相加。
    • 一副图像和一个标量（标量即单一的数值）相加：将图像所有像素的各通道值分别与标量进行相加。
  • dst：可选参数，输出结果保存的变量。
  • mask：图像掩膜，可选参数，为8位单通道的灰度图像，用于指定要更改的输出图像数组的元素，即输出图像像素只有mask对应位置元素不为0的部分才输出，否则该位置像素的所有通道分量都设置为0（黑色）。
  • dtype：可选参数，输出图像数组的深度，即图像单个像素值的位数（如RGB用三个字节表示，则为24位，2^3*3）。
import cv2
img1 = cv2.imread("ty.jpg")
x,y = img1.shape[0:2]
img2 = cv2.imread("sugar.jpg")

## 查看两幅图大小和通道数是否一致，若不一致，则使用resize修改
print(img1.shape)
##Out[1]: (854, 740, 3)
print(img2.shape)
##Out[2]: (543, 500, 3)

img3 = cv2.resize(img2,(y,x))
print(img3.shape)
##Out[3]: (854, 740, 3)

## 将两幅图相加
img = cv2.add(img1,img3)
cv2.imshow('ty', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

（二）cv2.addWeighted()

addWeighted()函数是将两张相同大小，相同类型的图片（叠加）线性融合的函数，实现图像混合加权
dst = src1 * alpha + src2 * beta + gamma;。

cv2.addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1)
  • src1：需要加权的第一个数组
  • alpha：第一个数组的权重
  • src2：第二数组（与第一个数组需要拥有同一个尺寸和通道数）
  • beta：第二个数组的权重值，值为1-alpha
  • gamma：一个加到权重总和上的标量值，可以理解为加权和后的图像的偏移量
  • dst：输出的数组
  • dtype：可选，输出阵列的深度，有默认值-1。
import cv2
def add_W(img1_path,img2_path,alpha=0.6,beta=0.4,gamma=0):
    img_1 = cv2.imread(img1_path)
    x,y = img_ty.shape[0:2]
    img_2 = cv2.imread(img2_path)
    img_3 = cv2.resize(img_2,(y,x))
    
    img_aw = cv2.addWeighted(img_1,alpha,img_3,beta,gamma)
    
    cv2.imshow('ty', img_aw)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
add_W("ty.jpg","sugar.jpg",0.8,0.2)

在这里插入图片描述

（三） 滑动条

  • cv2.createTrackbar(“滑动条的名字”, “滑动条被放置的窗口的名字”, 滑动条的默认值, 滑动条的最大值, 回调函数)：绑定滑动条和窗口，定义滚动条的数值。
  • cv2.getTrackbarPos(“滑动条名字”,“所在窗口”)：返回滑动条的数值。
  • cv2.setTrackbarPos(“滑动条名字”,“所在窗口”, 滑动条默认值)
    注：滑动条返回的值为整数。
import cv2
import numpy as np

## 创建窗口
cv2.namedWindow("ty")

## 图片读取，保持两张图片数组大小一致
img_ty = cv2.imread("ty.jpg")
x,y = img_ty.shape[0:2]
img_candy = cv2.imread("sugar.jpg")
img_candy = cv2.resize(img_candy,(y,x))

## 用来存放两张图片加权后的结果
img = np.zeros((x,y,3),np.uint8)

alpha = 0.5

## 定义回滚函数
def callback(x):
    global img_ty,img_candy,img,alpha
    alpha = cv2.getTrackbarPos("alpha","ty")
    alpha = alpha * 0.01
    beta = 1-alpha
    img = cv2.addWeighted(img_ty,alpha,img_candy,beta,0)

cv2.createTrackbar("alpha","ty",0,100,callback)
cv2.setTrackbarPos("alpha", "ty", 80)

while(True):
    if cv2.waitKey(1) == ord('q'):  ## waitKey的值不能为0
        break
    cv2.imshow("ty",img)
cv2.destroyAllWindows()

在这里插入图片描述

二、图像位运算

（一）二值化

阈值分割其实就是图像分离，对于阈值内的你想如何操作，一个最简单的例子就是二值图像。

1.cv2.threshold()

threshold：固定阈值二值化。

ret, dst = cv2.threshold(src, thresh, maxval, type)

参数解释：

  • src：输入图，只能输入单通道图像，通常来说为灰度图
  • thresh：阈值
  • maxval：阈值最大值，当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
  • type：二值化操作的类型
  • ret：方法是否执行成功
  • dst：目标图像
type类型解释
cv2.THRESH_BINARY二进制阈值化大于阈值 的像素点的灰度值设定为最大值255，小于的设定为0。if(像素点>阈值,maxval,0)
cv2.THRESH_BINARY_INV反二进制阈值化if(像素点>阈值,0,maxval)
cv2.THRESH_TRUNC截断阈值化if(像素点>阈值,阈值,像素点)
cv2.THRESH_TOZERO阈值化为0if(像素点>阈值,像素点,0)
cv2.THRESH_TOZERO_INV反阈值化为0if(像素点>阈值,0,像素点)

2.cv.adaptiveThreshold()

adaptiveThreshold：自适应阈值二值化。自适应阈值二值化函数根据图片一小块区域的值来计算对应区域的阈值，从而得到也许更为合适的图片。

dst = cv2.adaptiveThreshold(src, maxval, adaptiveMethod, type, Block Size, C)

参数解释：

  • src：输入图，只能输入单通道图像，通常来说为灰度图
  • maxval：阈值最大值，当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
  • adaptiveMethod： 自适应方法，平均或高斯
  • type：二值化操作的类型
  • Block Size： 图片中分块的大小，值要为奇数
  • C ：偏移值调整量，计算adaptiveMethod用到的参数
adaptiveMethod类型解释
ADAPTIVE_THRESH_MEAN_C平均所有像素周围的权值相同
ADAPTIVE_THRESH_GAUSSIAN_C高斯（x,y）周围的像素的权值则根据其到中心点的距离通过高斯方程得到

（二）位与运算

当且仅当两个像素都大于零时，按位AND才为真。将数字转换成二进制形式–>对同一位上的数字进行and运算（1&1=1，1&0=0，0&0=0）–>将and操作后的二进制转换回十进制并输出。
255的二进制码为11111111，任何数字与之与运算都为他本身。
0的二进制码为00000000，任何数字与之与运算都为0。

bitwise_and(src1, src2, dst=None, mask=None)

参数解释：

  • src1、src2：为输入图像或标量，标量可以为单个数值或一个四元组。
  • dst：可选输出变量，如果需要使用非None则要先定义，且其大小与输入变量相同。
  • mask：图像掩膜，可选参数，为8位单通道的灰度图像，输出图像像素只有mask对应位置元素不为0的部分才输出，否则该位置像素的所有通道分量都设置为0。

1.默认情况

mask默认为区域不为0，即不为黑色。

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('ty.jpg')
ImgMask = np.zeros(img.shape,dtype=np.uint8)
ImgMask[10:200,300:450] = 255
img_mask = cv2.bitwise_and(img,ImgMask)  ## 默认不为0的区域输出
cv2.imshow('ty', img_mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

2.mask参数

定义mask为黄色。

import cv2
import numpy as np
import matplotlib.pyplot as plt

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

## 使用hsv模型提取想要的颜色，下提取黄色
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

lower_yell = np.array([20,43,43])
upper_yell = np.array([38,255,255])
mask = cv2.inRange(img_hsv,lower_yell,upper_yell)

res = cv2.bitwise_and(img,img,mask=mask)
cv2.imshow('ty_ori', img)
cv2.imshow('ty_ext', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

（三）位或运算

如果两个像素中的任何一个大于零，则按位“或”为真。将数字转换成二进制形式–>对同一位上的数字进行or运算（1|1=1，1|0=1，0|0=0）–>将and操作后的二进制转换回十进制并输出。

bitwise_or(src1, src2, dst=None, mask=None)

import cv2
import numpy as np

img_ty = cv2.imread('ty_black.jpg')

x,y = img_ty.shape[0:2]
img = cv2.resize(img_ty, (int(y / 2), int(x / 2)))

ImgMask = np.zeros(img.shape,dtype=np.uint8)
ImgMask[ImgMask == 0] = 255
ImgMask[5:300,80:280] = 0

img_mask = cv2.bitwise_or(img,ImgMask)

cv2.imshow('img', img)
cv2.imshow('mask', ImgMask)
cv2.imshow('ty_mask', img_mask)

cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

（四）位异或运算

当且仅当两个像素一个大于0一个小于0时才为真。将数字转换成二进制形式–>对同一位上的数字进行^运算（1 ^ 1=0，1 ^ 0=1，0 ^ 0=0）–>将and操作后的二进制转换回十进制并输出。

bitwise_xor(src1, src2, dst=None, mask=None)

1.画长方形

cv2.rectangle(image, start_point, end_point, color, thickness)

参数解释：

  • image：要在其上绘制矩形的图像。
  • start_point：矩形的起始坐标。(X,Y)
  • end_point：矩形的结束坐标。(X,Y)
  • color：绘制的矩形边界线颜色。(B,G,R)
  • thickness：矩形边框线的粗细像素。厚度-1像素将以指定的颜色填充矩形形状。

2.画圆形

cv2.circle(image, center_coordinates, radius, color, thickness)

参数解释：

  • image：要在其上绘制圆形的图像。
  • center_coordinates：圆的中心坐标。(X,Y)
  • radius：圆的半径。
  • color：绘制的圆边界线颜色。(B,G,R)
  • thickness：圆边界线的粗细像素。厚度-1像素将以指定的颜色填充矩形形状。
import cv2
import numpy as np

## 创建两个300*300图像
rect = np.zeros((300,300),dtype = np.uint8)  
circle = np.zeros((300,300),dtype = np.uint8)

## 在rect图像中填充一个长方形，在circle图像中填充一个圆形
cv2.rectangle(rect,(25,25),(275,275),255,-1)
cv2.circle(circle,(150,150),150,255,-1)

## 对两个图像进行位异或运算
res = cv2.bitwise_xor(rect,circle)

cv2.imshow('rect', rect)
cv2.imshow('circle', circle)
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

（五）位非运算

倒置图像中的“开”和“关”像素。~(A) = -(A+1)

bitwise_not(src, dst=None, mask=None)

import cv2
import numpy as np

## 创建一个300*300图像
rect = np.zeros((300,300),dtype = np.uint8)  

## 在rect图像中填充一个长方形
cv2.rectangle(rect,(25,25),(275,275),255,-1)

## 对两个图像进行位异或运算
res = cv2.bitwise_not(rect)

cv2.imshow('rect', rect)
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

!ERROR
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python-opencv(2)图像运算
安静到无声
04-09 343
python-opencv(2)图像运算 文章目录1. 加法运算2. 图像融合3. 参考 1. 加法运算 Numpy加法 OpenCV加法 numpy加法为取模加法 OpenCV加法是饱和运算 运算方式： 结果=cv2.add(图像1，图像2) #%%图像的加法 import cv2 import numpy as np img1 = cv2.imread(r"C:\Users\lihu...
OpenCV-Python 图像上的算术运算 | 十一
TensorFlowNews
12-04 2309
目标 学习图像的几种算术运算，例如加法，减法，按位运算等。 您将学习以下功能：cv.add，cv.addWeighted等。 图像加法 您可以通过OpenCV函数cv.add()或仅通过numpy操作res = img1 img2添加两个图像。两个图像应具有相同的深度和类型，或者第二个图像可以只是一个标量值。 注意OpenCV加法和Numpy加法之间有区别。OpenCV加法是饱和运...
OpenCV-Python图像算术运算
imxlw00的专栏
01-18 372
图像加法 使用OpenCV函数cv.add()或通过img1 + img2使两个图像相加。两个图像应具有相同的深度和类型。 图像减法 使用OpenCV函数cv.subtract()或通过 img1 - img2使两个图像相减。两个图像应具有相同的深度和类型。 OpenCV加法运算过程 结果若是在0到255之间，结果不变；小于0的为0，大于255的为255 OpenCV是饱和运算 “+” 的运算过程 模运算 减法运算过程同加法 # 图像加法 255 # 200+100 = 3000 => 255 pr
python+OpenCv笔记（五）：图像的算术运算
ReadyGo!!!的博客
01-01 672
python+OpenCv笔记（五）：图像的算术运算
opencv-python(6):图像上的算术运算
wangleixian的博客
10-06 578
学习图像的加法、混合与位运算 学习的函数：cv2.add(),cv2.addWeighted()等。 1、图像加法 运用cv2.add()对图像进行加法运算，但是要保证图像的大小、类型一致。 代码： import numpy as np import cv2 img1=cv2.imread('C:\\Users\\WLX\\Desktop\\2.jpg',cv2.IMREAD_COLOR
Python OpenCV处理图像之滤镜和图像运算
09-20
主要为大家详细介绍了Python OpenCV处理图像之滤镜和图像运算，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
python opencv 图像拼接的实现方法
09-19
Python OpenCV 图像拼接是一种将多张图片合并成一张全景图或连续场景的技术，它通过识别和匹配图像之间的相似特征来实现无缝拼接。在本文中，我们将深入探讨如何使用OpenCV库来实现这一过程。 首先，图像拼接分为...
python+OpenCV实现全景图像拼接和图像黑边处理
07-27
本教程将深入探讨如何使用Python与OpenCV库来实现这一过程。OpenCV（Open Source Computer Vision Library）是一个强大的计算机视觉库，支持多种图像处理和计算机视觉功能。 首先，全景图像拼接的目标是将多张具有...
python opencv进行图像拼接
12-20
在Python的OpenCV库中，图像拼接是一个常见的任务，特别是在创建全景图像或者结合多个图像数据时。本文将深入探讨如何使用OpenCV进行图像拼接，主要包括以下几个关键步骤： 1. **特征点提取与描述符匹配**：图像...
python jpg转数组_使用numpy进行9宫格图像拼接 - Python
weixin_39872334的博客
11-22 290
本节内容要用到opencv-python模块，请先行安装。本例程中使用到的图片保存在pictures子目录下。本例的任务是要将9张JPG格式图片按三行三列拼接成下述九宫格。微实践：九宫格图像拼接本节内容要用到opencv-python模块，请先行安装。本例程中使用到的图片保存在pictures子目录下。本例的任务是要将9张JPG格式图片按三行三列拼接成下述九宫格。#pictures9.py glo...
Python九宫格图片生成器
08-16
本文就是用Python做的一个九宫格图片生成器，是一个打包好的exe文件，用户无需部署安装Python的开发环境，在本地就可以运行此程序，以此快速生成九宫格图片。
Python+OpenCV学习（五）图像算数运算
TanKimko的博客
04-24 1542
内容包括图像混合、图像按位计算图像相加cv.add()函数，或者直接把两个矩阵相加得到新的图像。这样相加要保证两个相加的矩阵行和列是相同的。这两个方法在得数小于255时是相同的，但是当得数大于255时，cv.add()函数取最大值255，而直接两个矩阵相加，是取模运算。import numpy as np import cv2 as cv x = np.uint8([250]) y = np.ui...
OpenCv-Python学习笔记(四)：图像上的算术运算
weixin_44077524的博客
02-20 1403
目录图像加法图像混合图像位运算 图像加法 你可以使用函数 cv2.add() 将两幅图像进行加法运算，当然也可以直接使用 numpy（res=img1+img）。两幅图像的大小，类型必须一致，或者第二个图像可以使一个简单的标量值。 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。 例如下面的两个例子： x = np.uint8([250]) y = np.uint8([10]) print cv2.add(x,y) #
用Python实现将一张图片分成9宫格
成功唯有积累，没有奇迹。
08-10 1万+
经常看到朋友圈或者空间里有朋友发布照片时,将朋友圈的照片切分为九宫格,参考了一些大神的博客资料,现整理如下; 将图片分拆成九宫格的思路: 读取图片->填充图片为正方形(fill_image函数)->将图片切分为9张(cut_image函数)->保存图片(save_image)->over 代码实现如下: from PIL import Image import s...
openCV制作九宫格图片
最新发布
zhourongxiang1的博客
03-11 580
如果用画图工具来实现的话，需要事先准备一个600 X 600像素的画布。用openCV实现也是同理，准备一张600 X 600的图片。然后将图片划分成9份，每一份替换成小图片。九张小图片的大小相同，都是200 X 200像素。我想将任意九张图片按照九宫格排列方式合并成一张大图，使用openCV实现。
使用OpenCV在Python中进行图像操作
深度学习与计算机视觉
02-13 2351
介绍众所周知，OpenCV是一个用于计算机视觉和图像操作的免费开源库。OpenCV 是用 C++ 编写的，并且有数千种优化的算法和函数用于各种图像操作。很多现实生活中的操作都可以使用 Op...
利用opencv实现九宫格拼图功能
weixin_43565960的博客
02-24 2518
利用opencv实现九宫格拼图功能@TOC - 设计思路 1 读入一张图片，并对图像进行切割，分成九块； 2 利用数组保存九张图片，设法将九张图片显示在一张图片中； 3 随机初始化，使九张图片随机分布在显示界面图片的九个区域； 4 利用鼠标回调函数，通过鼠标点击交换两张相邻图片的位置； - 关于实现 1. 读入图片并对图片进行切割-------Rect（）函数 Rect(int _x,int ...
OpenCV实践之路——opencv玩数独之一九宫格轮廓提取与透视变换
热门推荐
星沉阁
03-02 1万+
本文部分参考自如下链接：Sudoku-recognizer。前几天发现了这个网页，觉得挺好玩的，就想自己实现一下。本以为只是把代码从Python转换到C++是一件很简单的事情，经过这几天的努力发现是自己想的太简单了。到现在也没有完全实现。前面的一小半可以说是参考了上述文章，所做的只是把opencv的代码转换下语言风格，但是到了后面随着Python语言用的越来越多，很多地方已经完全看不懂了，只能自己
import cv2 import numpy as np import PIL.ImageDraw SCALE = 0.65156853729882650681169151675877 # m/...
weixin_42593549的博客
12-29 418
这段代码中包含了三个导入语句： import cv2：这个语句用来导入 OpenCV 库，OpenCV 是一个计算机视觉库，提供了很多图像处理和视频分析的功能。 import numpy as np：这个语句用来导入 numpy 库，numpy 是一个 Python 的数值计算库，提供了大量的数组和矩阵运算的功能。 import PIL.ImageDraw：这个语句用来导入 Python Ima...
Python之OpenCV图像处理实战与教程
"《OpenCV-python中文教程》是一本详细阐述如何在Python环境中使用OpenCV进行图像处理和计算机视觉的教程。该书基于OpenCV的官方文档，旨在为用户提供全面且易于理解的实践指导，避免复杂的数学推导，侧重于解决实际...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值