4. 像素运算

1. 加减乘除

def add_function(image1, image2):
    """
    像素相加：
        其中白色就是255，再加也是白色； 黑色是 0,
    """
    image = cv.add(image1, image2)
    cv.imshow("add", image)


def subtract_function(image1, image2):
    """
    像素相减：
        白色可以减去任何颜色;
        但是黑色减其他颜色为负数，根据无符号数uint8，负数都看做0
    """
    image = cv.subtract(image1, image2)
    cv.imshow("subtract", image)


def multiply_function(image1, image2):
    """
    像素相乘：
        根据像素模糊，白色区域附近不是平滑的，所以白色附近像素有花;
    """
    image = cv.multiply(image1, image2)
    cv.imshow("multiply", image)


def other(image):
    """
        图像均值,均值越高，证明色彩越多; 均值越小，说明色彩越暗
        方差：方差越小，色差越小，如果黑白图片的方差就很高了。方差越大，像素差异就越大，对比度大
    """
    image_mean, image_staddev = cv.meanStdDev(image)  #返回一个均值和方差
    print("均值：\n %s" % image_mean)
    print("方差：\n %s" % image_staddev)

### 还有一个直接获取均值的API   img_mean = cv.mean(src)  
查看各个通道的均值能 了解那个是主色调

 应用: 调节亮度，调整对比度

def contrast_brightness_demo(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)  # 按比例融合，image 的 c 比例，而 blank 的 1-c 比例
    cv.imshow("con-bri-demo", dst)

contrast对比度， brightness是亮度
contrast_brightness_demo(src1, 1.2, 10)

2.逻辑运算，即按位与，或，非

img_and = cv.bitwise_and(img1, img2) #做一些遮罩

img_or = cv.bitwise_or(img1, img2) # 把两张图图片相加

img_xor = cv.bitwise_xor(img1, img2)

img_not = cv.bitwise_not(img1)   # 安位取反

黑白图像，一般用作mask， 也叫二值图像