opencv入门系列教学（六）图像上的算术运算（加法、融合、按位运算）
0.序言
这一篇博客我们将学习图像的几种算术运算，例如加法，减法，按位运算等。
1.图像加法
我们可以通过OpenCV函数
1 | cv.add() |
或仅通过numpy操作
1 | res=img1+img2 |
res = img1 + img2 将两个图像加起来。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加法是饱和运算，而Numpy加法是模运算。
例如，考虑以下示例：
1 2 3 4 5 6 | >>> x = np.uint8([250])>>> y = np.uint8([10])>>> print( cv.add(x,y) ) # 250+10 = 260 => 255[[255]]>>> print( x+y ) # 250+10 = 260 % 256 = 4[4] |
2.图像融合
这是一种更为常用的图像加法操作，但是对图像赋予不同的权重，这个操作可以用来对两幅图像或两段视频产生时间上的 画面叠化 （cross-dissolve）效果，就像在幻灯片放映和电影制作中那样，以使其具有融合或透明的感觉。根据以下等式添加图像：
cv.addWeighted()
其数学表达式为G（x) = α · img1 + (1-α)img2 ，其中 α 取值0 - 1。
下面我们将两个图像并且融合在一起。第一幅图像的权重为0.7，第二幅图像的权重为0.3。
1 2 3 4 5 6 | img1 = cv.imread('ml.png')img2 = cv.imread('opencv-logo.png')dst = cv.addWeighted(img1,0.7,img2,0.3,0)cv.imshow('dst',dst)cv.waitKey(0)cv.destroyAllWindows() |
结果如下所示：
3.按位运算
按位运算包括按位 AND 、 OR 、 NOT 和 XOR 操作。它们在提取图像的任何部分(我们将在后面的章节中看到)、定义和处理非矩形 ROI 等方面非常有用。 下面我们将看到一个例子，如何改变一个图像的特定区域。
考虑下面这种情况，我想把 OpenCV 的标志放在一个图像上面。如果我添加两个图像，它会改变颜色。如果我混合它，我得到一个透明的效果。但我希望它是不透明的。如果是一个矩形区域，我可以使用 ROI，就像我们在上一章中所做的那样。但是 OpenCV 的 logo 不是长方形的。所以我们可以使用如下的按位操作来实现:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | # 加载两张图片img1 = cv.imread('messi5.jpg')img2 = cv.imread('opencv-logo-white.png')# 我想把logo放在左上角，所以我创建了ROIrows,cols,channels = img2.shaperoi = img1[0:rows, 0:cols ]# 现在创建logo的掩码，并同时创建其相反掩码img2gray = cv.cvtColor(img2,cv.COLOR_BGR2GRAY)ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)mask_inv = cv.bitwise_not(mask)# 现在将ROI中logo的区域涂黑img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)# 仅从logo图像中提取logo区域img2_fg = cv.bitwise_and(img2,img2,mask = mask)# 将logo放入ROI并修改主图像dst = cv.add(img1_bg,img2_fg)img1[0:rows, 0:cols ] = dstcv.imshow('res',img1)cv.waitKey(0)cv.destroyAllWindows() |
请看下面的结果。左图显示了我们创建的掩膜mask。右图显示最终结果。
