opencv——基础2

最新推荐文章于 2025-07-22 22:11:26 发布

原创最新推荐文章于 2025-07-22 22:11:26 发布 · 99 阅读

0 ·

CC 4.0 BY-SA版权

opencv 专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了使用OpenCV进行图像处理的核心操作，包括加号运算与cv2.add()的区别，加权和的计算方法，按位逻辑运算的应用，以及图像与数值运算的基本原理。同时，文章还探讨了位平面分解的概念及其在图像处理中的作用。

3.1加号运算和 cv2.add()

加号当 a+b >255 时，返回 (a+b)的模
add 是直接返回255

3.2 加权和

import cv2
import numpy as np

img1 = np.ones((30,40), dtype= np.uint8) * 100
img2 = np.ones((30,40), dtype= np.uint8) * 10

img3 = cv2.addWeighted(img1, 0.7, img2, 0.3, 2)   #这里是img1*0.7 + img2*0.3 + 2 计算出来的结果
#cv2.imshow("B0",b2)
cv2.imshow("2",img1)
cv2.imshow("1",img2)
cv2.imshow("0",img3)
cv2.waitKey()
cv2.destroyAllWindows()

3.3按位逻辑运算

import cv2
import numpy as np

img = cv2.imread("tina.jpg",1)
a = np.zeros(img.shape, np.uint8)
a [100:200, 200:300] = 255

res = cv2.bitwise_and(img, a)


cv2.imshow("0",res)
cv2.waitKey()
cv2.destroyAllWindows()

这里是把图像纵100-200 横 200-300 的区域显示出来，其他地方为黑色

#!/usr/bin/env python
import cv2
import numpy as np

a = cv2.imread("tina.jpg", 1)

cv2.imshow("show",a)
w, h, c = a.shape
mask = np.zeros((w,h,3), dtype = np.uint8)
mask[100:200, 200:500] = 255

ce = cv2.bitwise_and(a, mask)

print("a shape is ",a.shape)

cv2.imshow("mask",ce)
cv2.waitKey()

这个是可行的

但是改成下面的代码的时候会显示一样的图片，没有淹没**。查找原因。。。**。

#!/usr/bin/env python
import cv2
import numpy as np

a = cv2.imread("tina.jpg", 1)

cv2.imshow("show",a)
w, h, c = a.shape
mask = np.zeros((w,h), dtype = np.uint8)
mask[100:200, 200:500] = 255

#ce = cv2.bitwise_and(a, a, mask)   #这里不一样，这是错误代码
ce = cv2.bitwise_and(img, img, mask=mask) # 必须加一个mask= mask 才可以正确执行

print("a shape is ",a.shape)

cv2.imshow("mask",ce)
cv2.waitKey()

3.5 图像与数值运算

可以直接加

img = cv2.add(img1, 2)   #表示 img每个像素都加1

3.6 位平面分解

将灰度图像中的不同位进行分解
举个例子，一个8位的图像 [0, 255]
209 197 163
125 247 160

对应二进制为
1101 0001 1100 0101 1010 0011
0111 1101 1111 0111 1010 0000

可以分成8个位平面
最右位最右第二位
1 1 1 0 0 1
1 1 0 0 1 0