OpenCV 簡介

圖像可以進行算術(shù)運算，例如加法、減法和按位運算（AND、OR、NOT、XOR）。這些操作可以幫助改善輸入圖像的屬性。

圖像算法對于分析輸入圖像的屬性是必要的，可以將操作后的圖像用作增強的輸入圖像，并且可以對圖像應(yīng)用更多操作，以進行閾值化、膨脹等。

圖像算術(shù)是將一幅或多幅圖像應(yīng)用于標準算術(shù)運算或邏輯運算符之一。運算符是逐個像素應(yīng)用的，因此輸出圖像中像素的值僅由輸入圖像中相應(yīng)像素的值決定。

因此，圖像通常必須具有相同的大小。當向圖像添加恒定偏移量時，輸入圖像之一可能是恒定值。

雖然圖像算法是圖像處理的最基本形式，但它有很多應(yīng)用。算術(shù)運算符的一個顯著優(yōu)勢是該過程簡單明了，因此速度很快。

添加圖像

在其最基本的形式中，該運算符將兩個相同大小的圖像作為輸入，并輸出與前兩個相同大小的第三個圖像，每個像素值是兩個輸入圖像中每個圖像中對應(yīng)像素值的總和． 更高級的版本允許在一次操作中組合多個圖像。

運算符的一個常見變體只是允許向每個像素添加一個指定的常數(shù)。使用函數(shù) cv2．a(chǎn)dd（），我們可以添加兩個圖像。這直接將兩個圖像中的圖像像素相加。

Syntax： cv2．a(chǎn)dd（image1， image2）

但是，添加像素并不是一個理想的情況。因此，我們使用 cv2．a(chǎn)ddweighted（）。請記住，兩個輸入圖像的形狀和顏色通道必須相同。

Syntax： cv2．a(chǎn)dd Weighted（image1， weight1， Image2， weight2， gammaValue）

參數(shù)：

image1：第一個圖像數(shù)組輸入

weight 1：輸入圖像中第一個用于最終圖像的圖像元素的權(quán)重。

image2：第二個圖像數(shù)組輸入

weight 2：將第二輸入圖像元素的權(quán)值應(yīng)用于最終圖像的伽馬值。

gammaValue：光測量。

加法代碼

import cv2

import numpy as np

image1 ＝ cv2．imread（＇input1．jpg＇）

image2 ＝ cv2．imread（＇input2．jpg＇）

weightedSumadd ＝ cv2．a(chǎn)ddWeighted（image1， 0．6， image2， 0．4， 0）

cv2．imshow（＇Weighted Image＇， weightedSumadd）

cv2．waitKey（0）

cv2．destroyAllWindows（）

輸出圖像將是：

圖像減法

像素減法算子將兩幅圖像作為輸入并輸出第三幅圖像，其像素值是第一幅圖像的像素值減去第二幅圖像的相應(yīng)像素值。

使用單個圖像作為輸入是常見的，從所有像素中減去一個常數(shù)值也是常見的。一些版本的運算符將簡單地輸出像素值之間的絕對差，而不是直接的有符號輸出。

Syntax：  cv2．subtract（image1， image2）

參數(shù)：

圖 1：第一個圖像數(shù)組輸入（單通道、8 位或浮點）

圖 2：第二個圖像陣列輸入（單通道、8 位或浮點）

輸入圖像

代碼 ：

import cv2

import numpy as np

image1 ＝ cv2．imread（＇input1．jpg＇）

image2 ＝ cv2．imread（＇input2．jpg＇）

sub ＝ cv2．subtract（image1， image2）

cv2．imshow（＇Subtracted Image＇， sub）

cv2．waitKey（0）

輸出減去的圖像將是

位運算

位運算用于圖像處理以提取重要部分。本文中使用了以下按位運算：

AND

OR

NOT

XR

位運算對于圖像遮罩也很有用。這些操作可用于啟用圖像創(chuàng)建。這些操作可以幫助改善輸入圖像的屬性。

注意：按位運算只能在相同尺寸的輸入圖像上執(zhí)行。

圖像的 AND 位運算

AND 運算符（以及類似方式的 NAND 運算符）通常將兩個二進制或整數(shù)灰度級圖像作為輸入，并生成第三個圖像，其像素值只是第一個圖像的像素值與來自第二個圖像的相應(yīng)像素相乘。

可以修改此運算符以通過獲取單個輸入圖像，并將每個像素與預(yù)定的常數(shù)值進行與運算來產(chǎn)生輸出。

Syntax： cv2．bitwise＿and（Image1， Image2， destination， mask）

參數(shù)：

Image1：第一個輸入圖像 numpy 數(shù)組

Image1：第二個輸入圖像numpy數(shù)組destination：輸出數(shù)組mask： 操作掩碼圖像

代碼 ：

import cv2

import numpy as np

img1 ＝ cv2．imread（＇input1．png＇）

img2 ＝ cv2．imread（＇input2．png＇）

dest＿and ＝ cv2．bitwise＿and（img2， img1， mask ＝ None）

cv2．imshow（＇Bitwise And＇， dest＿and）

cv2．waitKey（0）

圖像的 OR 位運算

OR 運算符通常將兩個二進制或灰度圖像作為輸入，并輸出第三個圖像，其像素值是第一個圖像的像素值與來自第二個圖像的相應(yīng)像素進行或運算。

該運算符的一個變體采用單個輸入圖像并將每個像素與一個常數(shù)值進行 OR 運算以生成輸出。

Syntax： cv2．bitwise＿or（source1， source2， destination， mask）

參數(shù)：

source1 ：第一個輸入 numpy 圖像數(shù)組

source2 ：第二個輸入 numpy 圖像數(shù)組

目的地：輸出數(shù)組圖像

mask ：操作掩碼，輸入／輸出 8 位單通道掩碼。

代碼 ：

import cv2

import numpy as np

img1 ＝ cv2．imread（＇input1．png＇）

img2 ＝ cv2．imread（＇input2．png＇）

dest＿or ＝ cv2．bitwise＿or（img1， img2， mask ＝ None）

cv2．imshow（＇Bitwise OR＇， dest＿or）

cv2．waitKey（0）

圖像的NOT位運算

邏輯非，也稱為反轉(zhuǎn)，是一種將二值或灰度圖像作為輸入并生成其照相底片的運算符。

Syntax： cv2．bitwise＿not（Image1，Destination， mask）

參數(shù)：

Image1： 輸入圖像數(shù)組

Destination：輸出數(shù)組圖像

mask： 操作掩碼

代碼 ：

import cv2

import numpy as np

img1 ＝ cv2．imread（＇input1．png＇）

dest＿not ＝ cv2．bitwise＿not（img1， mask ＝ None）

cv2．imshow（＇Bitwise Not＇， dest＿not）

cv2．waitKey（0）

圖像的 XR 位運算

至關(guān)重要的是，正在處理的所有輸入像素值都具有相同的位數(shù)，否則可能會出現(xiàn)意外結(jié)果。當輸入圖像中的像素值不是簡單的 1 位數(shù)字時，XOR 操作通常（但不總是）對像素值中的每個對應(yīng)位按位執(zhí)行。

Syntax： cv2．bitwise＿xor（source1， source2， destination， mask）

參數(shù)：

source1 ：第一個輸入圖像數(shù)組（單通道、8 位或浮點）

source2 ：第二個輸入圖像數(shù)組（單通道、8 位或浮點）

目的地：輸出圖像數(shù)組

mask ：操作掩碼，輸入／輸出8位單通道掩碼。

代碼 ：

import cv2

import numpy as np

img1 ＝ cv2．imread（＇input1．png＇）

img2 ＝ cv2．imread（＇input2．png＇）

dest＿or ＝ cv2．bitwise＿xor（img1， img2， mask ＝ None）

cv2．imshow（＇Bitwise XOR＇， dest＿xor）

cv2．waitKey（0）

OpenCV的結(jié)論

許多應(yīng)用程序使用從同一場景的不同點獲取的經(jīng)過處理的圖像，例如通過添加相同場景的連續(xù)圖像來降低噪聲或通過減去兩個連續(xù)圖像來進行運動檢測。邏輯運算符經(jīng)常用于組合兩個（主要是二進制）圖像。

在整數(shù)圖像的情況下，邏輯運算符通常按位使用。然后，例如，我們可以使用二進制掩碼來選擇圖像的特定區(qū)域。

關(guān)鍵要點：

在本文中，我們學(xué)習了如何對圖像執(zhí)行各種算術(shù)運算，OpenCV 方法是如何工作的，以及這些圖像算術(shù)運算在哪里使用。

       原文標題 : 圖像上的 OpenCV 算術(shù)運算