python_opencv图像算术运算（cv2.bitwise_and(),cv2.bitwise_not()）按位运算

图像算术运算（加法、减法、按位运算）

目标：

• 算术运算：加法，减法，按位运算原理

• 主要函数：cv2.add(), cv2.addWeighted()…

1、图像加法

​ 使用opencv的函数，cv2.add(img1, img2),也可以使用numpy数组的加法操作，res = img1+img2，两幅图像大小、类型必须一致，或者第二个图像是一个简单的标量值。

Opencv的加法和Numpy的加法是不一样的，看下面列子

​ 可以看到Opencv中的加法，溢出后取的是饱和值也就是最大范围值，而numpy中加法饱和后重新计数（模操作），所以一般用Opencv的加法比较好。

• 图像混合

  • 图像混合是加法的一种特例，只是不是直接相加而是有一个权重，这样可以塑造混合或者透明的效果。

  • 混合的数学公式如下：
    $$g(x)=(1-\alpha )f_0(x)+\alpha f_1(x)$$
    通过修改 $\alpha$ 的值（0—〉1）来调节混合度。

  • 函数cv2.addWeighted(img1, $\alpha$, img2, (1-$\alpha$))

  代码如下：

  # -*- encoding: utf-8 -*-
  import cv2
  import numpy as np
  
  
  def callback(object):
      pass
  
  
  cv2.namedWindow('image')
  img1 = cv2.imread('empire.jpg')
  [x, y, z] = img1.shape
  # 创建一个相同规格的图像，可以自己读取一张图用切片工具
  # 选出相同大小的矩阵
  img2 = np.zeros([x, y, z], img1.dtype)
  B, G, R = 10, 88, 21  # 自己调色
  img2[:, :, 0] = np.uint8(B)
  img2[:, :, 1] = np.uint8(G)
  img2[:, :, 2] = np.uint8(R)
  cv2.createTrackbar('alpha', 'image', 0, 100, callback)
  
  while True:
      Alpha = cv2.getTrackbarPos('alpha', 'image')/100
      img3 = cv2.addWeighted(img1, Alpha, img2, 1-Alpha, 0)
      cv2.imshow('image', img3)
      if cv2.waitKey(10) & 0xFF == ord('q'):
          break
  cv2.destroyAllWindows()
  
  

  • 
  • sorry录制效果欠佳

按位运算

• 按位操作有： AND， OR， NOT， XOR 等，在我们提取ROI时，通常不是矩形或者椭圆形的，而是根据图像的某些特征选取，这时巧妙运用这些按位操作是很方便的。

• 例如我项想把下面的图像放在另一个图像上面，如果使用前面的混合选项，会造成两个图像变得透明（变得范白不清楚），而我只想把logo部分添加上去其他部分不需要。

import cv2
import numpy as np
img1 = cv2.imread('opencvlogo.jpg')
img2 = cv2.imread('fisherman.png')
rows, cols, channels = img1.shape
roi = img2[0:rows, 0:cols]
img2gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
ret, Mask = cv2.threshold(img2gray, 170, 255, cv2.THRESH_BINARY)
Mask_inv = cv2.bitwise_not(Mask)
img1_bg = cv2.bitwise_and(roi, roi, mask=Mask)
img1_fg = cv2.bitwise_and(img1, img1, mask=Mask_inv)
dst = cv2.add(img1_bg, img1_fg)
img2[0:rows, 0:cols] = dst
cv2.imshow('res', Mask)
cv2.imshow('das', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

• 效果