OpenCV第六章——图像运算

admin2024-09-06 34

1.掩模

什么是掩模？？？

下面我们来创建一个掩模图像！

示例代码：

import cv2
import numpy as np

# 使用zeros()方法创建宽150、高150、3通道，像素类型为无符号8位数字的零值图像
mask = np.zeros((150, 150, 3), np.uint8)
mask[50:90, 20:90, :] = 255;  # 50~100行、20~80列的像素改为纯白像素
cv2.imshow("mask1", mask)  # 展示掩模
mask[:, :, :] = 255;  # 全部改为纯白像素
mask[50:100, 20:80, :] = 0;  # 50~100行、20~80列的像素改为纯黑像素
cv2.imshow("mask2", mask)  # 展示掩模
cv2.waitKey()  
cv2.destroyAllWindows()

效果图像如下：

OpenCV第六章——图像运算,第1张

2.图像的加法运算

2.1 计算图像和

2.1.1 使用“+”

示例代码：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures(3).jpg") 
sum1 = img + img  # 使用运算符相加
cv2.imshow("img", img)  # 展示原图
cv2.imshow("sum1", sum1)  # 展示运算符相加结果
cv2.waitKey()  
cv2.destroyAllWindows()

结果图像：

OpenCV第六章——图像运算,第2张

2.1.2 使用add()方法

示例代码：

import cv2

img = cv2.imread(r"C:\Users\cgs\Desktop\pictures(3).jpg") 
sum2 = cv2.add(img, img)  # 使用方法相加
cv2.imshow("img", img)  # 展示原图
cv2.imshow("sum2", sum2)  # 展示方法相加结果
cv2.waitKey()  
cv2.destroyAllWindows()

结果图像：

OpenCV第六章——图像运算,第3张

2.2 模拟三色光叠加得白光

示例代码：

import cv2
import numpy as np

img1 = np.zeros((150, 150, 3), np.uint8)  # 创建150*150的0值图像
img1[:, :, 0] = 255  # 蓝色通道賦予最大值，创建纯蓝图像
img2 = np.zeros((150, 150, 3), np.uint8)
img2[:, :, 1] = 255  # 绿色通道賦予最大值，创建纯绿图像
img3 = np.zeros((150, 150, 3), np.uint8)
img3[:, :, 2] = 255  # 红色通道賦予最大值，创建纯红图像
cv2.imshow("1", img1)  # 展示蓝色图像
cv2.imshow("2", img2)  # 展示绿色图像
cv2.imshow("3", img3)  # 展示红色图像
img = cv2.add(img1, img2)  # 蓝色 + 绿色 = 青色
cv2.imshow("1+2", img)  # 展示蓝色加绿色的结果
img = cv2.add(img, img3)  # 红色 + 青色 = 白色
cv2.imshow("1+2+3", img)  # 展示三色图像相加的结果
cv2.waitKey()  
cv2.destroyAllWindows()

结果图像如下：

OpenCV第六章——图像运算,第4张

2.3 使用掩模遮盖相加结果

示例代码：

import cv2
import numpy as np

img1 = np.zeros((250, 250, 3), np.uint8)  # 创建250*250的0值图像
img1[:, :, 0] = 255  # 蓝色通道賦予最大值，创建纯蓝图像
img2 = np.zeros((250, 250, 3), np.uint8)
img2[:, :, 2] = 255  # 红色通道賦予最大值，创建纯红图像

img = cv2.add(img1, img2)  # 蓝色 + 红色 = 洋红色
cv2.imshow("no mask", img)  # 展示相加的结果

m = np.zeros((250, 250, 1), np.uint8)  # 创建掩模
m[50:200, 50:200, :] = 255  # 掩模中央位置为纯白色
cv2.imshow("mask", m)  # 展示掩模

img = cv2.add(img1, img2, mask=m)  # 相加时使用掩模
cv2.imshow("use mask", img)  # 展示相加的结果

cv2.waitKey()  
cv2.destroyAllWindows()

结果图像：

OpenCV第六章——图像运算,第5张

3.图像的位运算

3.1按位与运算

示例代码：

import cv2
import numpy as np

flower = cv2.imread(r"B:\Python_opencv_book\amygdalus triloba.png")  
mask = np.zeros(flower.shape, np.uint8)  # 与花图像大小相等的掩模图像
mask[120:180, :, :] = 255  # 横着的白色区域
mask[:, 80:180, :] = 255  # 竖着的白色区域
img = cv2.bitwise_and(flower, mask)  # 与运算
cv2.imshow("flower", flower)  # 展示花图像
cv2.imshow("mask", mask)  # 展示掩模图像
cv2.imshow("img", img)  # 展示与运算结果
cv2.waitKey()  
cv2.destroyAllWindows()

结果图像：

OpenCV第六章——图像运算,第6张

3.2 按位或运算

示例代码如下：

import cv2
import numpy as np

flower = cv2.imread(r"B:\Python_opencv_book\amygdalus triloba.png")  
mask = np.zeros(flower.shape, np.uint8)  # 与花图像大小相等的掩模图像
mask[120:180, :, :] = 255  # 横着的白色区域
mask[:, 80:180, :] = 255  # 竖着的白色区域
img = cv2.bitwise_or(flower, mask)  # 或运算
cv2.imshow("flower", flower)  # 展示花图像
cv2.imshow("mask", mask)  # 展示掩模图像
cv2.imshow("img", img)  # 展示或运算结果
cv2.waitKey()  
cv2.destroyAllWindows()

结果图像如下：

OpenCV第六章——图像运算,第7张

3.3按位取反运算

示例代码如下：

import cv2

img1 = cv2.imread(r"C:\Users\cgs\Desktop\pictures(3).jpg")  
img2 = cv2.bitwise_not(img1)  # 取反运算
cv2.imshow("img1", img1)  # 展示花图像
cv2.imshow("img2", img2)  # 展示取反运算结果
cv2.waitKey()  
cv2.destroyAllWindows()

运行结果如下：

OpenCV第六章——图像运算,第8张

可以看到，图像经过取反运算后会呈现与原图完全相反的颜色效果！！！

3.4 按位异或运算

3.4.1 图像与十字掩模做异或运算

某像素与纯白色像素进行异或运算，结果为原像素的取反结果

某像素与纯黑色像素进行异或运算，结果仍是该像素的原值

示例代码如下：

import cv2
import numpy as np

img1 = cv2.imread(r"C:\Users\cgs\Desktop\pictures(3).jpg")  
m = np.zeros(img1.shape, np.uint8)  # 与花图像大小相等的0值图像
m[120:180, :, :] = 255  # 横着的白色区域
m[:, 80:180, :] = 255  # 竖着的白色区域
img = cv2.bitwise_xor(img1, m)  # 两幅图像做异或运算
cv2.imshow("img1", img1)  # 展示花图像
cv2.imshow("mask", m)  # 零值图像
cv2.imshow("img", img)  # 异或运算结果
cv2.waitKey()  
cv2.destroyAllWindows()

操作结果图像如下：

OpenCV第六章——图像运算,第9张

3.4.2 对图像进行加密解密

示例代码如下：

import cv2
import numpy as np

def encode(img, img_key): # 加密、解密方法
    result = img = cv2.bitwise_xor(img, img_key)  # 两图像做异或运算
    return result

flower = cv2.imread(r"C:\Users\cgs\Desktop\pictures(3).jpg")  # 花原始图像
rows, colmns, channel = flower.shape  # 原图像的行数、列数和通道数
# 创建与花图像大小相等的随机像素图像，作为密钥图像
img_key = np.random.randint(0, 256, (rows, colmns, 3), np.uint8)

cv2.imshow("1", flower)  # 展示花图像
cv2.imshow("2", img_key)  # 展示秘钥图像

result = encode(flower, img_key)  # 对花图像进行加密
cv2.imshow("3", result)  # 加密图像
result = encode(result, img_key)  # 对花图像进行解密
cv2.imshow("4", result)  # 解密图像
cv2.waitKey() 
cv2.destroyAllWindows()

操作结果图像如下：

OpenCV第六章——图像运算,第10张

4.合并图像

4.1 加权和

示例代码如下：

import cv2
img1 = cv2.imread(r"C:\Users\cgs\Desktop\pictures(2).jpg")  # 原始图像1
img2 = cv2.imread(r"C:\Users\cgs\Desktop\pictures(1).jpg")  # 原始图像2
rows, colmns, channel = img1.shape  # img1的行数、列数和通道数
img2 = cv2.resize(img2, (colmns, rows))  # img2缩放成日落图像大小
img3 = cv2.addWeighted(img1, 0.6, img2, 0.6, 0)  # 计算两幅图像加权和
cv2.imshow("img1", img1)  
cv2.imshow("img2", img2)  
cv2.imshow("addWeighted", img3)  # 展示加权和图像
cv2.waitKey()  
cv2.destroyAllWindows()

操作结果图像如下：

OpenCV第六章——图像运算,第11张

4.2 覆盖

示例代码如下：

import cv2

beach_img = cv2.imread(r"B:\Python_opencv_book\beach.jpg")  # 沙滩原始图像
cat_img = cv2.imread(r"B:\Python_opencv_book\cat.jpg")  # 小猫原始图像
cat = cat_img[75:400, 120:260, :]  # 截取75行至400行、120列至260列的像素值所组成的图像
cat = cv2.resize(cat, (70, 160))  # 将截取出的图像缩放成70*160大小
cv2.imshow("cat", cat_img)  # 展示小猫原始图像
cv2.imshow("cat2", cat)  # 展示截取并缩放的小猫图像
cv2.imshow("beach", beach_img)  # 展示沙滩原始图像
rows, colmns, channel = cat.shape  # 记录截取图像的行数和列数
# 将沙滩中一部分像素改成截取之后的图像
beach_img[100:100 + rows, 260:260 + colmns, :] = cat
cv2.imshow("beach2", beach_img)  # 展示修改之后的图像
cv2.waitKey() 
cv2.destroyAllWindows()  #

操作结果图像如下：

OpenCV第六章——图像运算,第12张

那么本章内容就到此结束了！！！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明原文出处。如若内容造成侵权/违法违规/事实不符，请联系SD编程学习网：675289112@qq.com进行投诉反馈，一经查实，立即删除！