OpenCV---像素运算

像素运算

分为算术运算和逻辑运算

算术运算：

加减乘除

---

调节亮度
调整对比度

逻辑运算：

与或非

---

遮罩层控制

一：算术运算

import cv2 as cv
import numpy as np

def add_demo(m1,m2):
    dst = cv.add(m1,m2)
    cv.imshow("add_demo",dst)

def subtract_demo(m1,m2):
    dst = cv.subtract(m1,m2)
    cv.imshow("subtract_demo",dst)

def multiply_demo(m1,m2):
    dst = cv.multiply(m1,m2)
    cv.imshow("multiply_demo",dst)

def divide_demo(m1,m2):
    dst = cv.divide(m1,m2)　　#不多用
    cv.imshow("divide_demo",dst)

src1 = cv.imread("./a1.jpg")  #读取图片
src2 = cv.imread("./a2.jpg")  #读取图片
print(src1.shape)
print(src2.shape)
cv.imshow("image1",src1)
cv.imshow("image2",src2)
add_demo(src1,src2)
subtract_demo(src1,src2)
multiply_demo(src1,src2)
divide_demo(src1,src2)
cv.waitKey(0)   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

原图：

add:（黑色是0，白色为255，当大于255会为白色，小于0为黑色）

subtract：

multiply：

divide：

获得各个通道的均值：

def others(m1,m2):
    M1 = cv.mean(m1)
    M2 = cv.mean(m2)
    print(M1)
    print(M2)

(190.8543375, 190.8543375, 190.8543375, 0.0)　　#整体偏黑
(186.68600625000002, 228.5496625, 241.74333125, 0.0)　　#红绿较多，所以偏黄

获取各个图像的方差：

def others(m1,m2):
    M1 = cv.mean(m1)
    M2 = cv.mean(m2)
    M1,dev1 = cv.meanStdDev(m1)　　#返回均值和方差，分别对应3个通道
    M2,dev2 = cv.meanStdDev(m2)
    print(M1)
    print(dev1)
    print(M2)    
    print(dev2)

[[190.8543375]　　#M1
 [190.8543375]
 [190.8543375]]
[[95.31664687]　　#dev1
 [95.31664687]
 [95.31664687]]

---

[[186.68600625]　　#M2
 [228.5496625 ]
 [241.74333125]]
[[72.40766216]　　#dev2
 [39.39460523]
 [30.92104465]]

可以知道dev2偏小，所以图二中色彩差异（对比性）是较小的，若是整张图片同色，则方差为0，均值为0，可以用来查看扫描仪中是否有信息（方差小于一个预值，则失效，丢弃）

    img = np.zeros([400,400,3],np.uint8)
    m,dev = cv.meanStdDev(img)
    print(m,dev)

二：逻辑运算

与and:(1和1为1)（类似遮罩，当我们使用白色遮罩）

def logic_and_demo(m1,m2):
    dst = cv.bitwise_and(m1,m2)
    cv.imshow("logic_and_demo",dst)

或or：(1和1,1和0都为1）

def logic_or_demo(m1,m2):
    dst = cv.bitwise_or(m1,m2)
    cv.imshow("logic_or_demo",dst)

异或xor：（1和0为1）

def logic_xor_demo(m1,m2):  #异或：不同为1，相同为0
    dst = cv.bitwise_xor(m1,m2)
    cv.imshow("logic_or_demo",dst)

 

非（not）：对一张图片取反

def logic_not_demo(m1):  #非是对于一张图片
    dst = cv.bitwise_not(m1)
    cv.imshow("logic_not_demo",dst)

补充：针对视频中inrange

def extrace_object():
    capture = cv.VideoCapture("./1.mp4")
    while True:
        ret,frame = capture.read()  #frame是每一帧图像，ret是返回值，为0是表示图像读取完毕
        if ret == False:
            break
        hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
        lower_hsv = np.array([0,43,46])
        upper_hsv = np.array([10,255,255])
        mask = cv.inRange(hsv,lower_hsv,upper_hsv)
        dst = cv.bitwise_and(frame,frame,mask=mask)
        cv.imshow("video",frame)
        cv.imshow("mask", mask)
        cv.imshow("dst",dst)
        c = cv.waitKey(40)
        if c == 27:
            break

mask：该函数输出的dst是一幅二值化之后的图像（是将满足我们的图像对象所有位都设为1白色，不满足设置为0黑色）

bitwise_and：白色全为1与原图相与，会将白色区域提取

调整亮度和对比度addWeighted

推文：Opencv 例程讲解 6 ---- 图片融合 addWeighted到底有多快？

def contrast_brightness_demo(image,c,b):
    '''
    :param image:   原图
    :param c:   对比度 是将像素乘与c,原来2，4---->4, 8  差距由2--->4导致对比增强
    :param b:   亮度  是将每个像素点加上相关亮度
    :return:
    '''
    h,w,ch = image.shape
    blank = np.zeros([h,w,ch],image.dtype)
    dst = cv.addWeighted(image,c,blank,1-c,b)
    cv.imshow("dst",dst)

src = cv.imread("./1.png")
cv.imshow("src",src)
contrast_brightness_demo(src,1.2,0)

亮度：

src = cv.imread("./1.png")
cv.imshow("src",src)
contrast_brightness_demo(src,1,50)

1、第1个参数，输入图片1， 
2、第2个参数，图片1的融合比例
3、第3个参数，输入图片2
4、第4个参数，图片2的融合比例
5、第5个参数，偏差
6、第6个参数，输出图片