OpenCV 簡介

圖像可以進行算術運算，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，并且可以對圖像應用更多操作，以進行閾值化、膨脹等。

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

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，但它有很多應用。算術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.add()，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.add(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.addweighted()。請記住，兩個輸入圖像的形狀和顏色通道必須相同。

Syntax: cv2.add 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值應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.addWeighted(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，并將每個像素與預定的常數(shù)值進行與運算來產生輸出。

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，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的結論

許多應用程序使用從同一場景的不同點獲取的經過處理的圖像，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。

關鍵要點：

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

以上就是詳解圖像上的OpenCV算術運算的詳細內容，更多關于OpenCV圖像算術運算的資料請關注腳本之家其它相關文章！

最新評論