Python OpenCV 图像处理之 图像运算和图像位运算知识补充

1,063 阅读6分钟

小知识,大挑战!本文正在参与「程序员必备小知识」创作活动

本文已参与 「掘力星计划」 ,赢取创作大礼包,挑战创作激励金。

Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 51 篇。

学在前面

第二次学习图像相关的运算操作了,希望你可以学到新的知识,俺也一样。

图像加法

图像处理中的加法运算,可以使用运算符 +,也可以使用 cv.add 函数。

补充的第一个知识点,就是在灰度图中,两种图像加法运算存在差异。

import cv2 as cv
import numpy as np

src1 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)
src2 = np.random.randint(0, 256, size=[3, 3], dtype=np.uint8)

print("src1 像素如下")
print(src1)


print("src2 像素如下")
print(src2)

print("src1 + src2 像素如下")
print(src1+src2)

使用 +cv.add 函数得到的结果如下:

src1 像素如下
[[ 27 119  55]
 [ 84  41 192]
 [140 167 153]]
src2 像素如下
[[ 97  19 184]
 [218 229 146]
 [160  67 221]]
src1 + src2 像素如下
[[124 138 239]
 [ 46  14  82]
 [ 44 234 118]]
使用 cv.add 函数结果如下
[[124 138 239]
 [255 255 255]
 [255 234 255]]

对比之后,很容易发现差异,使用运算符 + 进行计算,140+160 = 300(对应位置灰度值相加),但是结果为 44,该值是 300 对 256 取的余数,所以结论是运算符 + 进行计算之后,最终得到的像素值如果大于 255 ,则要对 256 进行取模操作,对应的使用 cv.add 函数之后,结果保留最大值 255。 针对灰度图片,可以执行下述代码,查看二者差异。

import cv2 as cv
import numpy as np

src1 = cv.imread("./51.jpg", 0)
src2 = cv.imread("./51.jpg", 0)

src = src1+src2
cv.imshow("src1+src2", src)

src = cv.add(src1, src2)
cv.imshow("cv.add(src1, src2) ", src)

cv.waitKey()
cv.destroyAllWindows()

Python OpenCV 图像处理之 图像运算和图像位运算知识补充

图像加权和

在计算两幅图像的像素之和的时候,可以考虑到权重因素。由以前的博客知道,该函数原型是:

dst = cv2.addWeighted(src1,alpha,src2,beta,gamma)

其中 alphabetasrc1src2 的系数,它们的和可以等于 1,也可以不等于,参数 gamma 一般为 0,表示的是亮度调节,最终得到的图像是 dst = src1 x alpha + src2 x beta +gamma

使用下述案例,可以简单了解该函数的运行原理与结果。

import cv2 as cv
import numpy as np

src1 = np.ones((3, 3), dtype=np.uint8) * 100
src2 = np.ones((3, 3), dtype=np.uint8) * 10

gamma = 5

src3 = cv.addWeighted(src1, 0.6, src2, 0.4, gamma)
print(src1)
print(src2)
print(src3)

运行之后得到的结果如下:

[[100 100 100]
 [100 100 100]
 [100 100 100]]
[[10 10 10]
 [10 10 10]
 [10 10 10]]
[[69 69 69]
 [69 69 69]
 [69 69 69]]

灰度值 69 由 100*0.6+10*0.4+5 得来。 实际对两幅灰度图进行操作,可以得到如下结果:

import cv2 as cv
import numpy as np

src1 = cv.imread("./src1.jpg", 0)
src2 = cv.imread("./src2.jpg", 0)

ret = cv.addWeighted(src1, 0.5, src2, 0.5, 0)
cv.imshow("ret", ret)
cv.waitKey()
cv.destroyAllWindows()

Python OpenCV 图像处理之 图像运算和图像位运算知识补充

按位逻辑运算

在图像处理中,常见的位运算函数如下;

  • cv.bitwise_and:按位与;
  • cv.bitwise_or:按位或;
  • cv.bitwise_xor:按位异或;
  • cv.bitwise_not:按位取反。

按位与

位运算操作的是二进制数字,在无符号 8 位图像里面,按位与操作需要对应位置为 1 结果才为 1,否则都为 0。

十进制灰度值二进制灰度值
src110001100100
src220011001000
按位与运算结果6401000000

Python OpenCV 图像处理之 图像运算和图像位运算知识补充 bitwise_and 对应的函数原型是:

dst = cv.bitwise_and(src1,src2[,mask])

src1src2 都是输入值,mask 是掩膜,任何数值与 0 进行按位与操作,都会得到 0,任何数值与 255 进行按位与操作,都会得到数值本身,上述数值都是 8 位无符号数字。

可以通过生成一张灰度图进行测试。

import cv2 as cv
import numpy as np

gray_src = np.random.randint(0, 255, (7, 7), dtype=np.uint8)
black_src = np.zeros((7, 7), dtype=np.uint8)
black_src[3:7, 3:7] = 255

dst = cv.bitwise_and(gray_src, black_src)
print("gray_src")
print(gray_src)

print("black_src")
print(black_src)

print("dst")
print(dst)

运行结果如下,注意右下角数值进行计算之后,得到的结果是原值。

gray_src
[[163 207 197  64  54 181  28]
 [ 14 145 190  70  99  25  38]
 [ 44 221 109 115 229 222 200]
 [223  51 222 114 204  46  90]
 [216  98  47  47 151  15 196]
 [ 73  59 187 100 123  56  38]
 [177 105 237   8 129  64  30]]
black_src
[[  0   0   0   0   0   0   0]
 [  0   0   0   0   0   0   0]
 [  0   0   0   0   0   0   0]
 [  0   0   0 255 255 255 255]
 [  0   0   0 255 255 255 255]
 [  0   0   0 255 255 255 255]
 [  0   0   0 255 255 255 255]]
dst
[[  0   0   0   0   0   0   0]
 [  0   0   0   0   0   0   0]
 [  0   0   0   0   0   0   0]
 [  0   0   0 114 204  46  90]
 [  0   0   0  47 151  15 196]
 [  0   0   0 100 123  56  38]
 [  0   0   0   8 129  64  30]]

循着这个案例,你可以实现对一副图像进行掩膜操作。

Python OpenCV 图像处理之 图像运算和图像位运算知识补充

按位或

按位或与按位与用法基本一致,就是在进行二进制计算的时候,对应位有一个是 1,结果就是 1。

十进制灰度值二进制灰度值
src110001100100
src220011001000
按位或运算结果23611101100

按位取反语按位异或

按位取反,计算方式是 1 变成 0,0 变成 1。 按位异或操作,计算方式是二进制位如果对应都是 0 或者 1,那结果是 0,对应位置有一个 1,一个 0,结果是 1。 后面的了解即可。

图像与数值的计算

在图像处理的加法运算中,cv.add 函数可以将图像与一个数值进行计算,例如下述代码:

import cv2 as cv
import numpy as np

src = np.ones((3, 3), dtype=np.uint8)*5
print("src")
print(src)

dst = cv.add(src, 5)
dst1 = cv.add(5, src)
print("dst")
print(dst)

print("dst1")
print(dst1)

运算结果如下,得到了最后的效果,而且交换两个参数的位置,不影响最后的结果。

src
[[5 5 5]
 [5 5 5]
 [5 5 5]]
dst
[[10 10 10]
 [10 10 10]
 [10 10 10]]
dst1
[[10 10 10]
 [10 10 10]
 [10 10 10]]

橡皮擦的小节

希望今天的 1 个小时你有所收获,我们下篇博客见~