OpenCV - 图像上的算术运算（Python实现）

最新推荐文章于 2024-07-24 11:46:22 发布

原创

最新推荐文章于 2024-07-24 11:46:22 发布 · 864 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#OpenCV #算数运算 #Python

本文介绍了如何使用OpenCV和Python进行图像的算术运算，包括图像加法、图像混合以及按位运算。图像加法可以通过`cv2.add()`或numpy加法实现，图像混合使用`cv2.addWeighted()`函数。此外，还讨论了按位运算如AND、OR、NOT和XOR，并介绍了阈值处理在二值化操作中的应用。

图像加法

图像加法就是将两个图像的像素分别相加起来。
我们可以使用 cv2.add() 或 numpy 中的加法进行操作。但是同样是8位数据，在cv中进行加法是一种饱和操作，而numpy中的加法是一种取模操作。

x = np.uint8([250])
y = np.uint8([10])
print (cv2.add(x,y)) # 250+10 = 260 => 255
[[255]]
print (x+y) # 250+10 = 260 % 256 = 4
[4]

图像混合

如果单纯的用图像加法图像会由于饱和产生大面积的白色，所以可以使用图像混合。
图像混合的计算公式如下：
g (x) = (1 − α) f0 (x) + αf1 (x)

图像混合函数：
cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) → dst
函数效果如下
dst = src1 * alpha + src2 * beta + gamma;

如果将两个图像混合，那么一定是两个图像的尺寸要相同：

cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) -> dst
src - 原图
dst - 目标图像。
dsize - 目标图像大小。

interpolation - 插值方法。共有5种：

１）INTER_NEAREST - 最近邻插值法

２）INTER_LINEAR - 双线性插值法（默认）

３）INTER_AREA - 基于局部像素的重采样。

４）INTER_CU