Open CV系列学习笔记（四）像素运算 2021-01-29

最新推荐文章于 2025-02-27 13:35:44 发布

原创最新推荐文章于 2025-02-27 13:35:44 发布 · 243 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #cv #计算机视觉 #深度学习

opencv学习笔记系列专栏收录该内容

27 篇文章

订阅专栏

本文介绍了使用OpenCV进行图像像素的算术运算，包括相加、相减、相乘、相除及均值与方差计算，并展示了逻辑运算中的与、或、非操作，以及如何调节图像的对比度和亮度。通过实例代码详细阐述了每个操作的实现过程和结果展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Open CV系列学习笔记（四）像素运算

1.算术运算

注意：两幅图像的像素大小要一致
进行图像像素之间的算术运算，首先要导入图像，读取其中信息：

像素的相加

def add_demo(m1,m2):#像素相加
    dst = cv.add(m1,m2)
    cv.imshow("add_demo",dst)

输出结果：
在这里插入图片描述

像素相减

def subtract_demo(m1, m2):#像素相减
    dst = cv.subtract(m1, m2)
    cv.imshow("subtract_demo", dst)

运行结果：
在这里插入图片描述

像素相乘

def multiply_demo(m1, m2):#像素相乘
    dst = cv.multiply(m1, m2)
    cv.imshow("multiply_demo", dst)

运行结果：
在这里插入图片描述

像素相除

def divide_demo(m1, m2):#像素相除
    dst = cv.divide(m1, m2)
    cv.imshow("divide_demo", dst)

运行结果：
在这里插入图片描述

均值与方差

def others_demo(m1, m2):#像素的均值 与方差
    M1,dev1 = cv.meanStdDev(m1)
    M2,dev2 = cv.meanStdDev(m2)
    h,w = m1.shape[:2]

    print(M1)
    print(M2)

    print(dev1)
    print(dev2)

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

运行结果：
在这里插入图片描述
----- Hellow Python -----
(300, 400, 3)
(300, 400, 3)
[[83.81364167]
[91.66739167]
[75.61489167]]
[[ 83.54694167]
[ 99.4413 ]
[107.59351667]]
[[57.0020891 ]
[51.46196197]
[50.04020184]]
[[50.8311838]
[56.0005978]
[57.1263416]]
[[0.]]
[[0.]]

2.逻辑运算

与运算

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

运算结果：
在这里插入图片描述

或运算

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

运行结果：
在这里插入图片描述

非运算

def logic_demo(m1,m2):
    image = cv.imread(r"E:/picture/10.bmp")
    dst = cv.bitwise_not(image)
    cv.imshow("logic_demo",dst)

运行结果：
在这里插入图片描述

3.调节对比度和亮度

def contrast_brightness_dome(image,c,b):
    h,w,ch = image.shape
    blank = np.zeros([h,w,ch],image.dtype)
    dst = cv.addWeighted(image,c,blank,1-c,b)
    cv.imshow("con-bri-demo",dst)

运行结果：
在这里插入图片描述
所有完整代码：`

import cv2 as cv
import numpy as np

def add_demo(m1,m2):#像素相加
    dst = cv.add(m1,m2)
    cv.imshow("add_demo",dst)

def subtract_demo(m1, m2):#像素相减
    dst = cv.subtract(m1, m2)
    cv.imshow("subtract_demo", dst)

def multiply_demo(m1, m2):#像素相乘
    dst = cv.multiply(m1, m2)
    cv.imshow("multiply_demo", dst)

def divide_demo(m1, m2):#像素相除
    dst = cv.divide(m1, m2)
    cv.imshow("divide_demo", dst)

def logic_demo(m1,m2):
    #dst = cv.bitwise_and(m1,m2)
    #dst = cv.bitwise_or(m1,m2)
    image = cv.imread(r"E:/picture/10.bmp")
    #cv.imshow("image",image)
    dst = cv.bitwise_not(image)
    cv.imshow("logic_demo",dst)


def contrast_brightness_dome(image,c,b):
    h,w,ch = image.shape
    blank = np.zeros([h,w,ch],image.dtype)
    dst = cv.addWeighted(image,c,blank,1-c,b)
    cv.imshow("con-bri-demo",dst)

def others_demo(m1, m2):#像素的均值 与方差
    M1,dev1 = cv.meanStdDev(m1)
    M2,dev2 = cv.meanStdDev(m2)
    h,w = m1.shape[:2]

    print(M1)
    print(M2)

    print(dev1)
    print(dev2)

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

print("----- Hellow Python -----")
src1 = cv.imread(r"E:\python\opencv study\101.jpg")
src2 = cv.imread(r"E:\python\opencv study\102.jpg")
print(src1.shape)
print(src2.shape)
cv.namedWindow("image1",cv.WINDOW_AUTOSIZE)
cv.imshow("image1",src1)
cv.imshow("image2",src2)
src = cv.imread(r"E:/picture/10.bmp")
cv.imshow("image",src)
contrast_brightness_dome(src,1.2,10)#调整亮度对比度
#add_demo(src1,src2)
#subtract_demo(src1,src2)
#multiply_demo(src1,src2)
#divide_demo(src1,src2)
#others_demo(src1,src2)
logic_demo(src1,src2)
cv.waitKey(0)

cv.destroyAllWindows()