opencv-numpy操作

在opencv中，调用numpy库，可以将图像以二维或三维数组表示，数组中的每一个值就是图像的像素值，所以可以通过numpy对数组的操作，实现对图像的处理。

所以第一步，导入库

import cv2

import numpy as np

先设置一个窗口名

cv2.namedWindow('HS')  #'HS'背景框

在这个窗口创建黑色的数组

 HS = np.zeros((600,480),np.uint8)   #uint8是0－255的整数,是一种数据类型

在python中，黑色背景用numpy中的zeros函数表示，白色背景用numpy中的ones函数表示。

BS = np.ones((880,660),np.uint8)*255

因为用numpy库，所以加上np.

既然是数组，那么输出就需要用到print()

最后加上imshow和waitkey（）

黑色背景：

cv2.namedWindow("BJ")
BJ = np.zeros((600,480),np.uint8)
print(BJ.shape)
cv2.imshow('BJ',BJ)
cv2.waitKey()

cv2.namedWindow('BS')
BS = np.ones((880,660),np.uint8)*255
print(BS.shape)
cv2.imshow('BS',BS)
cv2.waitKey()

框图大小由数组来改变。

阿尔法通道：阿尔法有三原色，R,G,B（红，绿，蓝）

cv2.namedWindow('BGR')
BGR = np.zeros((480,640,3),np.uint8)
cv2.imshow('BGR',BGR)
B = BGR.copy()
B[:,:,0] = 255
cv2.imshow('B',B)
G = BGR.copy()
G[:,:,1] = 255
cv2.imshow('G',G)
R = BGR.copy()
R[:,:,2] = 255
cv2.imshow('R',R)
cv2.waitKey()

前三行就是创建一个黑色背景框，有阿尔法通道

B = BGR.copy()
B[:,:,0] = 255
cv2.imshow('B',B)

将创建的窗口复制给B，前两个引号代表，将所有列和行全部选中，第三个0代表索引，这里有一个重点（三原色输出是按照RGB输出，但是输入需要反着来写，也就是BGR）,此时0就是代表用第一个索引，也就是蓝。后两个同理

黑白相间的条框：

# cv2.namedWindow(('HB'))
# HB = np.zeros((480,640),np.uint8)
# for i in range(0,640,40):
#     HB[:,i:i+20] = 255
# cv2.imshow('HB',HB)
# cv2.waitKey()

第三行，将整体分割，40个单位为一组，然后在内部进行分割，第一个冒号代表所有列都为黑色，第二个冒号代表将每组的行分割成以20个为一个白色

 随机背景：

cv2.namedWindow('SJ')
SJ = np.random.randint(256,size = (480,640,3),dtype = uint8)
#256，因为用的是uint8类型，所以最大为2**8
#3代表三通道的颜色来填充，但不是全部

CS = np.random.randint(256,size = (480,640,3),dtype = np.uint8)
SJ = np.random.randint(256,size = (450,640),dtype = np.uint8)
cv2.imshow('CS',CS)
cv2.imshow('SJ',SJ)
cv2.waitKey()

 图像的运算：

包括加，减，乘，除，加权，对图像进行这些操作时，必须将图片大小统一，不然无法实现

图像的相加       cv2.add(img1,img2)  使得图像更亮

图像的相减        cv2.subtract(A,B)       含义是 A 减 B   使得图像更亮

图像的乘除        cv2.multiply (A,B)       

                                    cv2.divide(A,B)    

        图像加权/溶合  cv2.addWeighted(src1, alpha, src2, beta, gamma)

src1:图像1，背景图；

alpha:图像1加权；

src2:图像2；

beta:图像2加权；

gamma:附加常数

img = cv2.imread(r'E:\LianXi\3.jpg')
print(img.shape)
img2 = cv2.resize(img,(1080,1080))
print(img2.shape)
img1 = cv2.imread(r'E:\LianXi\5.jpg')
print(img1.shape)
J = cv2.add(img2,img1)   #图片相加
j = cv2.subtract(img2,img1)    #图像减法
c = cv2.multiply(img2,img1)      #图像乘
C = cv2.divide(img2,img1)        #图像除
q = cv2.addWeighted(img1,1,img2,1,10)    #加权

cv2.imshow('q',q)
cv2.imshow('img2',img2)
cv2.imshow('img1',img1)
cv2.imshow('J',J)
cv2.imshow('j',j)
cv2.imshow('c',c)
cv2.imshow('C',C)

不算难，就不介绍了

还有一个小问题

两个图片相加再减去其中一张图片还能得到另外一张图片吗？

答案是不能的！

# x = cv2.subtract(J,img1)   #相加再减
# cv2.imshow('x',x)

别忘记加上waitkey（）.....

与或非运算

与：cv2.bitwise_not(img1,mask=mask)，相当于交集

a = np.zeros((200,200),np.uint8)
b = np.zeros((200,200),np.uint8)
a[20:100,20:100] = 255
b[45:120,45:120] = 255
b1 = cv2.bitwise_and(a,b)
cv2.imshow('a',a)
cv2.imshow('b',b)
cv2.imshow('b1',b1)

或：cv2.bitwise_and(img1,img2,mask=mask)，相当于并集

a = np.zeros((200,200),np.uint8)
b = np.zeros((200,200),np.uint8)
a[20:100,20:100] = 255
b[45:120,45:120] = 255
cv2.imshow('a',a)
cv2.imshow('b',b)
c = cv2.bitwise_or(a,b)
cv2.imshow('c',c)

 

非：cv2.bitwise_or(img1,img2,mask=mask)，就是取反

a = np.zeros((200,200),np.uint8)
b = np.zeros((200,200),np.uint8)
a[20:100,20:100] = 255
b[45:120,45:120] = 255
a1 = cv2.bitwise_not(a)
b1 = cv2.bitwise_not(b)
cv2.imshow('a',a)
cv2.imshow('b',b)
cv2.imshow('b1',b1)
cv2.imshow('a1',a1)

 

异或：cv2.bitwise_xor(img1,img2,mask=mask),相同为0（也就是黑），不同为1（也就是白），下图就是重合的地方为0，未重合就是1

a = np.zeros((200,200),np.uint8)
b = np.zeros((200,200),np.uint8)
a[20:100,20:100] = 255
b[45:120,45:120] = 255
cv2.imshow('a',a)
cv2.imshow('b',b)
d = cv2.bitwise_xor(a,b)
cv2.imshow('d',d)