python图像处理实战 豆瓣,python图形图像处理

　　本文将详细讲解图像的算术运算和逻辑运算，包括图像加法、图像减法、图像与运算、图像或运算、图像非运算和图像异或运算。有兴趣的可以了解一下。

目录

一.图像加法运算

　　图像相加主要有两种方法。第一种是调用Numpy库，目标图像的像素是两幅图像的像素之和；二是通过OpenCV调用add()函数。第二种方法的功能原型如下：

　　dst=add(src1，src2[，dst[，mask[，dtype]])

　　src 1代表第一幅图像的像素矩阵。

　　src 2代表第二幅图像的像素矩阵。

　　DST表示输出图像，其大小和通道数必须与输入图像相同。

　　Mask表示可选操作屏蔽(8位单通道数组)，用于指定要更改的输出数组元素。

　　dtype表示输出数组的可选深度。

　　注意，当两幅图像的像素值相加结果小于等于255时，输出图像将直接被赋值结果，如120 ^ 48被赋值为168；如果相加值大于255，则输出图像的像素结果被设置为255，例如，(255 64)被分配给255。下面的代码实现了图像加法。

　　#编码：utf-8

　　# By:伊斯特蒙特

　　导入cv2

　　将numpy作为np导入

　　#阅读图片

　　img=cv2.imread(luo.png )

　　#图像的每个像素加100

　　m=np.ones(img.shape，dtype=uint8)*100

　　#OpenCV加法

　　result=cv2.add(img，m)

　　#显示图像

　　cv2.imshow(原始，img)

　　cv2.imshow(result ，结果)

　　#等待显示

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()

　　如图4-1所示，左边显示“小罗罗”的原图，右边显示像素值增加了100个像素的图像，输出图像更白。

二.图像减法运算

　　图像减法主要通过调用subtract()函数实现，其原型如下：

　　dst=subtract(src1，src2[，dst[，mask[，dtype]])

　　src 1代表第一幅图像的像素矩阵。

　　src 2代表第二幅图像的像素矩阵。

　　DST表示输出图像，其大小和通道数必须与输入图像相同。

　　Mask表示可选操作屏蔽(8位单通道数组)，用于指定要更改的输出数组元素。

　　dtype表示输出数组的可选深度。

　　具体实现代码如下：

　　#编码：utf-8

　　# By:伊斯特蒙特

　　导入cv2

　　将numpy作为np导入

　　#阅读图片

　　img=cv2.imread(luo.png )

　　#图像的每个像素减去50

　　m=np.ones(img.shape，dtype=uint8)*50

　　#OpenCV减法

　　result=cv2.subtract(img，m)

　　#显示图像

　　cv2.imshow(原始，img)

　　cv2.imshow(result ，结果)

　　#等待显示

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()

　　如图4-2，左边是原图，右边是像素值减少了50个像素的图像。输出图像更暗。

三.图像与运算

　　AND运算是计算机中一种基本的逻辑运算方式，符号“”及其运算规则如下：

　　00=001=010=011=1图像的AND运算是指两幅图像(灰度

　　图像或彩色图像均可）的每个像素值进行二进制与操作，实现图像裁剪。

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

　　– src1表示第一张图像的像素矩阵

　　– src2表示第二张图像的像素矩阵

　　– dst表示输出的图像，必须和输入图像具有相同的大小和通道数

　　– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。

　　下面代码是通过图像与运算实现图像剪裁的功能。

#coding:utf-8
　　# By：Eastmount
　　import cv2  
　　import numpy as np  
　　#读取图片 
　　img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
　　#获取图像宽和高
　　rows, cols = img.shape[:2]
　　print(rows, cols)
　　#画圆形
　　circle = np.zeros((rows, cols), dtype="uint8")
　　cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
　　print(circle.shape)
　　print(img.size, circle.size)
　　#OpenCV图像与运算
　　result = cv2.bitwise_and(img, circle)
　　#显示图像
　　cv2.imshow("original", img)
　　cv2.imshow("circle", circle)
　　cv2.imshow("result", result)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　输出如图4-3所示，原始图像与圆形进行与运算之后，提取了其中心轮廓。同时输出图像的形状为377×326。注意，两张图像的大小和类型必须一致。

四.图像或运算

　　逻辑或运算是指如果一个操作数或多个操作数为 true，则逻辑或运算符返回布尔值 true；只有全部操作数为false，结果才是 false。图像的或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制或操作，实现图像裁剪。其函数原型如下所示：

　　dst = bitwise_or(src1, src2[, dst[, mask]])

　　– src1表示第一张图像的像素矩阵

　　– src2表示第二张图像的像素矩阵

　　– dst表示输出的图像，必须和输入图像具有相同的大小和通道数

　　– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。

　　下面代码是通过图像或运算实现图像剪裁的功能。

#coding:utf-8
　　# By：Eastmount
　　import cv2  
　　import numpy as np  
　　#读取图片 
　　img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
　　#获取图像宽和高
　　rows, cols = img.shape[:2]
　　#画圆形
　　circle = np.zeros((rows, cols), dtype="uint8")
　　cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
　　#OpenCV图像或运算
　　result = cv2.bitwise_or(img, circle)
　　#显示图像
　　cv2.imshow("original", img)
　　cv2.imshow("circle", circle)
　　cv2.imshow("result", result)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　输出如图4-4所示，原始图像与圆形进行或运算之后，提取了图像除中心原形之外的像素值。

五.图像非运算

　　图像非运算就是图像的像素反色处理，它将原始图像的黑色像素点转换为白色像素点，白色像素点则转换为黑色像素点，其函数原型如下：

　　dst = bitwise_not(src1, src2[, dst[, mask]])

　　– src1表示第一张图像的像素矩阵

　　– src2表示第二张图像的像素矩阵

　　– dst表示输出的图像，必须和输入图像具有相同的大小和通道数

　　– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。

　　图像非运算的实现代码如下所示。

#coding:utf-8
　　import cv2  
　　import numpy as np  
　　#读取图片 
　　img = cv2.imread("Lena.png", cv2.IMREAD_GRAYSCALE)
　　#OpenCV图像非运算
　　result = cv2.bitwise_not(img)
　　#显示图像
　　cv2.imshow("original", img)
　　cv2.imshow("result", result)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　原始图像非运算之后输出如图4-5所示。

六.图像异或运算

　　逻辑异或运算（xor）是一个数学运算符，数学符号为⊕，计算机符号为xor，其运算法则为：如果a、b两个值不相同，则异或结果为1；如果a、b两个值相同，异或结果为0。

　　图像的异或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制异或操作，实现图像裁剪。其函数原型如下所示：

　　dst = bitwise_xor(src1, src2[, dst[, mask]])

　　– src1表示第一张图像的像素矩阵

　　– src2表示第二张图像的像素矩阵

　　– dst表示输出的图像，必须和输入图像具有相同的大小和通道数

　　– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。

　　图像异或运算的实现代码如下所示。

#coding:utf-8
　　# By：Eastmount
　　import cv2  
　　import numpy as np  
　　#读取图片 
　　img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
　　#获取图像宽和高
　　rows, cols = img.shape[:2]
　　#画圆形
　　circle = np.zeros((rows, cols), dtype="uint8")
　　cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
　　#OpenCV图像异或运算
　　result = cv2.bitwise_xor(img, circle)
　　#显示图像
　　cv2.imshow("original", img)
　　cv2.imshow("circle", circle)
　　cv2.imshow("result", result)
　　#等待显示
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　原始图像与圆形进行异或运算之后输出如图4-6所示。

七.总结

　　本文详细介绍了图像处理的算术运算与逻辑运算，包括图像加法、图像减法、图像与运算、图像或运算、图像非运算与图像异或运算，并以小珞珞图像为案例进行讲解，希望对您有所帮助。

　　到此这篇关于Python图像处理之图像算术与逻辑运算详解的文章就介绍到这了,更多相关Python图像算术 逻辑运算内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。