python图像处理实战豆瓣,基于python的数字图像处理

　　还记得你小学时候学的数字加减法吗？现在，你可以对图像做同样的事情！输入图像可以进行算术运算，例如加法、减法和位运算(与、或、非、异或)。这些操作有助于提高输入照片的质量。本文将详细讲解这些操作，有需要的可以参考。

　　00-1010算术运算简介：图像加法算术运算：图像减法位运算

介绍

　　使用cv2.add()函数，我们可以添加两幅图像。2.cv2.add()将两幅图像中的图片像素相加。这样做时要记住的一点是，两幅图像应该具有相同的深度和类型，或者第二幅图像可以只是一个标量值。

　　这个函数的语法是：cv2.add(img1，img2)

　　对于这个博客，我们将考虑以下两个图像添加到一起。

　　在做算术之前，你必须知道如何读取和显示加载的图像。

　　现在，按照下面的代码片段阅读，添加两个图像，最后显示添加的图像。

　　导入cv2

　　img 1=cv2 . im read( image1 _ add . jpg ，1)

　　#或者

　　# img 1=cv2 . im read( c : \ \ Users \ \ Admin \ \ Downloads \ \ image1 _ add . jpg ，1)

　　cv2.imshow(Image 1 ，img1)

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()

　　img 2=cv2 . im read( image2 _ add . jpg ，1)

　　#或者

　　# img 2=cv2 . im read( c : \ \ Users \ \ Admin \ \ Downloads \ \ image2 _ add . jpg ，1)

　　cv2.imshow(图像2 ，img2)

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()

　　#添加图像

　　added_img=cv2.add(img1，img2)

　　cv2.imshow(添加的图像，added_img)

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()

　　从上述代码片段添加的图像如下：

　　这只是一个简单的加法。我们可以使用另一个名为cv2.addWeighted的函数来混合图像。这类似于图像相加，但是图像被赋予不同的权重以产生混合或透明的错觉。

　　这个函数的语法是：cv2.addweighted (img1，wt1，img2，wt2，gamma值)

　　根据下面的代码片段对两幅图像执行加权加法。

　　导入cv2

　　img 1=cv2 . im read( image1 _ add . jpg ，1)

　　#或者

　　# img 1=cv2 . im read( c : \ \ Users \ \ Admin \ \ Downloads \ \ image1 _ add . jpg ，1)

　　cv2.imshow(Image 1 ，img1)

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()

　　img2=cv2.imre

　　ad(image2_add.jpg, 1)

　　#or

　　#img2 = cv2.imread(C:\\Users\\Admin\\Downloads\\image2_add.jpg, 1)

　　cv2.imshow(Image 2, img2)

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()

　　#Addition - weighted addition

　　added_wt_img = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)

　　cv2.imshow(Added Weight Image, added_wt_img)

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()

　　加权加法的输出如下：

　　在这里，拍摄了两张图像将它们混合在一起。第一张图片的权重为 0.6，第二张图片的权重为 0.4。你可以根据需要更改图像的权重！

算术运算：图像减法

　　就像两个图像相加一样，你可以减去两个图像。这可以使用 cv2.subtract() 函数来完成。请注意，要减去的图像必须具有相同的大小和深度。

　　这个函数的语法是：cv2.subtract(src1, src2)

　　下面的代码片段显示了如何减去两个图像。已经减去了之前使用的图像（我们在加法中使用的图像）。

import cv2
　　img1 = cv2.imread(image1_add.jpg, 1)
　　#or
　　#img1 = cv2.imread(C:\\Users\\Admin\\Downloads\\image1_add.jpg, 1)
　　cv2.imshow(Image 1, img1)
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()
　　img2 = cv2.imread(image2_add.jpg, 1)
　　#or
　　#img2 = cv2.imread(C:\\Users\\Admin\\Downloads\\image2_add.jpg, 1)
　　cv2.imshow(Image 2, img2)
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()
　　sub_img = cv2.subtract(img1, img2)
　　cv2.imshow(Subtracted Image, sub_img)
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　减去的图像如下：

　　还尝试减去两个更简单的图像以使其更易于理解。使用的两张图片是：

　　减去的输出是：

　　既然我们已经了解了如何对图像执行算术运算，我们将继续对图像进行按位运算。

位运算

　　当我们只需要提取图像所需的元素时，我们会使用按位运算。

　　这些按位技术用于各种计算机视觉应用，例如创建图像蒙版、将水印应用于图像以及创建新图像。与 OpenCV 中的其他变形方法相比，这些操作对图像中的单个像素起作用，以产生更准确的结果。

　　图像上的 And、Or 和 Not 操作

　　在开始之前，假设你熟悉三个基本的位运算符：AND、OR、NOT。

　　OpenCV 包括用于执行与、或和非操作的内置函数。它们是按位与、按位或和按位非。考虑下面的两张黑白图像。现在让我们将这三个操作应用于这两个图像，看看会发生什么。

import cv2
　　#read the images
　　img1 = cv2.imread(bitwise_image_1.jpg)
　　img2 = cv2.imread(bitwise_image_2.jpg)
　　bitwise_AND = cv2.bitwise_and(img1, img2)
　　bitwise_OR = cv2.bitwise_or(img1, img2)
　　bitwise_NOT = cv2.bitwise_not(img1)
　　cv2.imshow(img1, img1)
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()
　　cv2.imshow(img2, img2)
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()
　　cv2.imshow(AND, bitwise_AND)
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()
　　cv2.imshow(OR, bitwise_OR)
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()
　　cv2.imshow(NOT, bitwise_NOT)
　　cv2.waitKey(0)
　　cv2.destroyAllWindows()

　　上述代码段的输出将如下所示：

　　希望你已经学会了如何使用 OpenCV 对图像进行算术和按位运算。

　　以上就是Python中图像算术运算的示例详解的详细内容，更多关于Python图像算术运算的资料请关注盛行IT软件开发工作室其它相关文章！

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。

python图像处理实战豆瓣,基于python的数字图像处理

目录

介绍

算术运算：图像减法

位运算

相关文章阅读