文章目录

• 图像的算数运算
• • 加法运算
  • 减法运算
  • 乘法运算
  • 除法运算
• 图片的融合
• OpenCV的逻辑运算(位运算)
• • 与运算`&`
  • 或运算`|`
  • 非运算`~`
  • 异或运算`~`
• 作业
• • Version 1
  • Version 2
  • • **1.`引入图片`：**
    • **2.`设计一个logo图片`：**
    • **3.`规划一下你的logo需要放在哪块位置，在添加的位置变成黑色`：**
    • **4.`利用add方法，把logo和图片叠加在一起`：**
    • **`整段代码：`**

图像的算数运算 加法运算 关键API：cv2.add(img)
add的规则就是两个图对应的元素相加，如果超过255(像素点的大小0-255)，则全部变成255

# 加法运算 import cv2 import numpy as np# 读取图片 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg')# cv2.add()方法要求两个图的长、宽、通道数都相等，否则会报错 # add的规则就是两个图对应的元素相加，如果超过255(像素点的大小0-255)，则全部变成255 print(cat.shape) print(dog.shape)# 检查两图的长宽及通道数# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小 new_dog = dog[0:1078,0:1095] # numpy的切片方式 print(new_dog.shape)# 将两幅图片相加 new_img = cv2.add(cat,new_dog) cv2.imshow('new_img',new_img)cv2.waitKey() cv2.destroyAllWindows()

图片还可以和单个数字进行运算，如dog += 100
每个和100进行加法运算，超过255的数字，会被截断，相当于%256

# 加法运算 import cv2 import numpy as np# 读取图片 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg')# cv2.add()方法要求两个图的长、宽、通道数都相等，否则会报错 # add的规则就是两个图对应的元素相加，如果超过255(像素点的大小0-255)，则全部变成255 # print(cat.shape) # print(dog.shape)# 检查两图的长宽及通道数# 图片还可以和单个数字进行运算 # 每个和100进行加法运算，超出255的数字，会被截断，相当于%256 dog += 100 print(dog[:3,:3])cv2.waitKey() cv2.destroyAllWindows()

减法运算 关键API：cv2.subtract(img1,img2)
subtract的规则就是两个图对应的元素相减，如果小于0(像素点的大小0-255)，则全部变成0

# 减法运算 import cv2 import numpy as np# 读取图片 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg')# cv2.subtract()方法要求两个图的长、宽、通道数都相等，否则会报错 # subtract的规则就是两个图对应的元素相减，如果小于0(像素点的大小0-255)，则全部变成0 print(cat.shape) print(dog.shape)# 检查两图的长宽及通道数# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小 new_dog = dog[0:1078,0:1095] # numpy的切片方式 print(new_dog.shape)# 将两幅图片相减 ——> 对应图片的元素(像素)相减，减完小于0，则全部为0 new_img = cv2.subtract(cat,new_dog) cv2.imshow('new_img',new_img)cv2.waitKey() cv2.destroyAllWindows()

乘法运算 关键API：cv2.multiply(img1,img2)
乘法的规则和加法一样：两个图对应的元素相乘，如果超过255(像素点的大小0-255)，则全部变成255

# 乘法运算 import cv2 import numpy as np# 读取图片 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg')# cv2.multiply()方法要求两个图的长、宽、通道数都相等，否则会报错 # multiply的规则就是两个图对应的元素相乘，如果超过255(像素点的大小0-255)，则全部变成255 print(cat.shape) print(dog.shape)# 检查两图的长宽及通道数# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小 new_dog = dog[0:1078,0:1095] # numpy的切片方式 print(new_dog.shape)# 将两幅图片相乘 multiply——> 对应图片的元素(像素)相减，减完小于0，则全部为0 new_img = cv2.multiply(cat,new_dog) cv2.imshow('new_img',new_img)cv2.waitKey() cv2.destroyAllWindows()

除法运算 关键API：cv2.divide(img1,img2
除法的规则和减法一样：两个图对应的元素相除，如果小于0(像素点的大小0-255)，则全部变成0

# 加法运算 import cv2 import numpy as np# 读取图片 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg')# cv2.divide()方法要求两个图的长、宽、通道数都相等，否则会报错 # divide的规则就是两个图对应的元素相除，如果小于0(像素点的大小0-255)，则全部变成0 print(cat.shape) print(dog.shape)# 检查两图的长宽及通道数# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小 new_dog = dog[0:1078,0:1095] # numpy的切片方式 print(new_dog.shape)# 将两幅图片相除 divide——> 对应图片的元素(像素)相减，减完小于0，则全部为0 new_img = cv2.divide(cat,new_dog) cv2.imshow('new_img',new_img)cv2.waitKey() cv2.destroyAllWindows()

图片的融合 关键API：addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])
其中：

• src1：第一幅图片
• alpha：第一幅图片的权重
• scr2：第二幅图片
• beta：第二幅图片的权重
• gamma：偏差

# 图像的融合 # 不是简单的加法，相当于拿图片进行了线性运算：new_img = img1 * w1 +img2 * w2 + bias（w1、w1为权重，bias为偏差） #我们可以通过控制权重，来调整最终融合之后的图片里面哪一张图片所占比重更大 #比如猫和狗融合的图片，我想让狗显示的更清晰，那我就可以加大狗的比重，减少猫的比重# 关键API：addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) ——> src1:第一幅图片 alpha:第一幅图片的权重 scr2:第二幅图片 beta:第二幅图片的权重 gamma:偏差import cv2 import numpy as np# 读取图片 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg')# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小 new_dog = dog[0:1078,0:1095] # numpy的切片方式new_img = cv2.addWeighted(cat,0.3,new_dog,1,0) # 如果想把图片调暗，那么可以把gamma改成负数cv2.imshow('new_img',new_img)cv2.waitKey() cv2.destroyAllWindows()

OpenCV的逻辑运算(位运算) 与运算& 如204 & 213 = 196，先将204和213转化为二进制，再把结果的二进制转化为十进制，即为196
两个数与运算后会变小，如204 & 213 = 196 ； 150 & 140 = 132

# 与运算 import cv2 import numpy as np# 创建窗口 cv2.namedWindow('new_img',cv2.WINDOW_NORMAL)# 更改窗口大小—>在窗口属性为‘WINDOW_AUTOSIZE’自动设置时无效果 cv2.resizeWindow('new_img',800,600) # resizeWindow(winname, width, height)# 读取图片 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg')# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小 new_dog = dog[0:1078,0:1095] # numpy的切片方式# 与操作 ——> 要求两幅图形状相同 cat_and = cv2.bitwise_and(cat,new_dog)# 观察像素变换结果 print(cat[:2,:2]) print('---------------------') print(dog[:2,:2]) print('---------------------') print(cat_and[:2,:2])# 展示图片 cv2.imshow('new_img',np.hstack((cat,cat_and)))cv2.waitKey() cv2.destroyAllWindows()

结果：

cat: [[[195 216 244] [194 215 243]] [[194 215 243] [193 214 242]]] --------------------- dog: [[[ 84 102 125] [ 79 100 122]] [[ 85 102 123] [ 84 103 124]]] --------------------- cat_and [[[ 6464 116] [ 6668 114]] [[ 6470 115] [ 6470 112]]]

或运算| 两个数进行或运算

# 或运算 import cv2 import numpy as np# 创建窗口 cv2.namedWindow('new_img',cv2.WINDOW_NORMAL)# 更改窗口大小—>在窗口属性为‘WINDOW_AUTOSIZE’自动设置时无效果 cv2.resizeWindow('new_img',800,600) # resizeWindow(winname, width, height)# 读取图片 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg')# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小 new_dog = dog[0:1078,0:1095] # numpy的切片方式# 或操作 ——> 要求两幅图形状相同 cat_or = cv2.bitwise_or(cat,new_dog)# 观察像素变换结果 print(cat[:2,:2]) print('---------------------') print(dog[:2,:2]) print('---------------------') print(cat_or[:2,:2])# 展示图片 cv2.imshow('new_img',np.hstack((cat,new_dog,cat_and)))cv2.waitKey() cv2.destroyAllWindows()

结果：

[[[195 216 244] [194 215 243]] [[194 215 243] [193 214 242]]] --------------------- [[[ 84 102 125] [ 79 100 122]] [[ 85 102 123] [ 84 103 124]]] --------------------- [[[215 254 253] [207 247 251]] [[215 247 251] [213 247 254]]]

非运算~ 如~255 = 0， ~195 = 60，在opencv中取非就是相当于用255减去取非的数

# 非运算 import cv2 import numpy as np# 创建窗口 cv2.namedWindow('new_img',cv2.WINDOW_NORMAL)# 更改窗口大小—>在窗口属性为‘WINDOW_AUTOSIZE’自动设置时无效果 cv2.resizeWindow('new_img',800,600) # resizeWindow(winname, width, height)# 读取图片 cat = cv2.imread('./cat.jpeg')# 非操作 ——> 相当于255 - cat 并且会返回运算的结果 cat_not = cv2.bitwise_not(cat)# 观察像素变换结果 print(cat[:2,:2]) print('---------------------') print(cat_not[:2,:2])# 展示图片 cv2.imshow('new_img',np.hstack((cat,cat_not)))cv2.waitKey() cv2.destroyAllWindows()

结果：

cat: [[[195 216 244] [194 215 243]] [[194 215 243] [193 214 242]]] --------------------- cat_not: [[[60 39 11] [61 40 12]] [[61 40 12] [62 41 13]]]

异或运算~

# 异或运算 import cv2 import numpy as np# 创建窗口 cv2.namedWindow('new_img',cv2.WINDOW_NORMAL)# 更改窗口大小—>在窗口属性为‘WINDOW_AUTOSIZE’自动设置时无效果 cv2.resizeWindow('new_img',800,600) # resizeWindow(winname, width, height)# 读取图片 cat = cv2.imread('./cat.jpeg') dog = cv2.imread('./dog.jpeg')# 由于dog的大小比cat大，因此我们使用numpy切片的方法把dog切成和cat一样的大小 new_dog = dog[0:1078,0:1095] # numpy的切片方式# 或操作 ——> 要求两幅图形状相同 cat_xor = cv2.bitwise_xor(cat,new_dog)# 观察像素变换结果 print(cat[:2,:2]) print('---------------------') print(dog[:2,:2]) print('---------------------') print(cat_xor[:2,:2])# 展示图片 cv2.imshow('new_img',np.hstack((cat,new_dog,cat_xor)))cv2.waitKey() cv2.destroyAllWindows()

结果：

[[[195 216 244] [194 215 243]] [[194 215 243] [193 214 242]]] --------------------- [[[ 84 102 125] [ 79 100 122]] [[ 85 102 123] [ 84 103 124]]] --------------------- [[[151 190 137] [141 179 137]] [[151 177 136] [149 177 142]]]

以上的 位运算API 中，还有一个可选参数 ——> 掩码mask
掩码mask ——> 我们的bitewise_操作(无论是and、or、not、xor操作都有的参数)
以与运算bitwise_and(src1, src2[, dst[, mask]])为例：
作用：前面的两个参数src1和src2正常地做与运算，将结果和掩码mask再做与运算(无论是什么位运算，都统统和掩码mask做与运算)
按位运算：如果是True,则显示原来的值(返回原图)；如果是False，则为0（黑色）
可参考 作业 ——> Version2 ——>3
以上例程中，我们想要对两幅不一样的图片进行位运算时，都需要将大的图片"切片"成和小图一样的大小，用到的是numpy中的ndarray方法，其实略为繁琐，在下一章我们将使用图像变换的cv2.resize()方法，会更加简便操作！
作业 Version 1 在图片上加上自己设计的Logo，建议Logo简单一点
我们把logo设计为白底，红蓝绿三个颜色的三角形
用到图片的融合API：cv2.addWeighted()

import cv2 import numpy as np# 导入背景图 cat = cv2.imread('./cat.jpeg')# 创建一个纯白的背景图 用于画logo logo = np.ones((480,640,3),np.uint8) * 255 # 行(宽):640列(高):480# 绘制直线——> 三角形的边 logo = cv2.line(img,(160,320),(480,320),(0,0,255),5,16) logo = cv2.line(img,(160,320),(320,100),(0,255,0),5,16) logo = cv2.line(img,(480,320),(320,100),(255,0,0),5,16)new_cat = cv2.resize(cat , (640,480)) print(new_cat.shape) print(logo.shape)# 融合两张图片 ——> 前提是两张图片大小必须相等！ new_img = cv2.addWeighted(new_cat,0.7,logo,0.3,0)cv2.imshow('logo',new_img)cv2.waitKey(0) cv2.destroyAllWindows()

其中：
画出的logo：

文章图片

我们用的底图：

文章图片

结果：

文章图片

Version 2 在图片上加上自己设计的Logo，建议Logo简单一点
我们把logo设计为红绿两个颜色的正方形拼接
用到的图像处理API：cv2.bitwise_and(roi, roi,mask = m)；cv2.add(src1,src2) # 要求两幅图大小一样
操作步骤：

1. 引入图片
2. 设计一个logo图片
3. 规划一下你的logo需要放在哪块位置，在添加的位置变成黑色
4. 利用add方法，把logo和图片叠加在一起

具体操作：
1.引入图片：

# 导入图片 cat = cv2.imread('./cat.jpeg')

文章图片

2.设计一个logo图片：

# 创建logo logo = np.zeros((200,200,3),np.uint8)# 绘制logo ——> 对图像进行切片，换成另一种颜色 logo[20:120,20:120] = [0,0,255] # 红色 logo[80:180,80:180] = [0,255,0] # 绿色

文章图片

3.规划一下你的logo需要放在哪块位置，在添加的位置变成黑色：
用到了掩码mask
掩码mask ——> 我们的bitewise_操作(无论是and、or、not、xor操作都有的参数)
以与运算bitewise_and为例：
作用：前面的两个参数src1和src2正常地做与运算，将结果和掩码mask再做与运算(无论是什么位运算，都统统和掩码mask做与运算)
按位运算：如果是True,则显示原来的值(返回原图)；如果是False，则为0（黑色）

# 掩码mask ——> 我们的bitewise_操作(无论是and、or、not、xor操作都有的参数) 以与运算and为例 # 作用：前面的两个参数src1和src2正常地做与运算，将结果和掩码mask再做与运算(无论是什么位运算，都统统和掩码mask做与运算) #按位运算：如果是True,则显示原来的值(返回原图)；如果是False，则为0（黑色）# 我们用掩码的目的是：把logo中不必要的像素(纯黑的部分)剔除，使和背景融合的只有有用的部分 mask = np.zeros((200,200),np.uint8) # 需要设置为和logo一样的大小才能做掩码 注意：掩码是黑白的！(做与运算时要求对象是二维的，不能是三维的) mask[20:120,20:120] = 255 # 改成白色 mask[80:180,80:180] = 255 # 改成白色# 白色"与"上任何东西都是白色，做mask运算时这部分就是原来的颜色 cv2.imshow('mask',mask)# 取反 m = cv2.bitwise_not(mask) # 将logo部分变成黑色 ——> 用该图去和logo做与运算，就可以把logo中有用的部分抠出来 cv2.imshow('m',m)

文章图片

4.利用add方法，把logo和图片叠加在一起：

# 选择cat中添加logo的位置 ——> 感兴趣区域roi roi = cat[0:200,0:200] # 为浅拷贝：相当于从cat中截取了一块图片出来，改变这一小块中的值，原始的cat也会改变# roi 与 m 进行与操作 ——> 相当于在roi中抠出了logo的位置(变成黑色) temp = cv2.bitwise_and(roi, roi,mask = m) # 自己和自己进行"与"操作还是自己# 做个加法：temp中间是黑的，logo周围是黑的，两个图片相加：黑的地方值为0，相加不影响像素，即把两张图完好地叠在一起了！ dst = cv2.add(temp,logo) cv2.imshow('temp',temp)# 在cat上还原 ——> 把图片覆盖上去即可 cat[0:200,0:200] = dst cv2.imshow('dst',dst)cv2.waitKey(0) cv2.destroyAllWindows()

文章图片

【opencv|OpenCV（03图像的算数运算）】
文章图片

整段代码：

# 写代码前思路要清晰 # 1. 引入图片 # 2. 设计一个logo图片 # 3. 规划一下你的logo需要放在哪块位置，在添加的位置变成黑色 # 4. 利用add方法，把logo和图片叠加在一起# 导入图片 cat = cv2.imread('./cat.jpeg')# 创建logo logo = np.zeros((200,200,3),np.uint8)# 绘制logo ——> 对图像进行切片，换成另一种颜色 logo[20:120,20:120] = [0,0,255] # 红色 logo[80:180,80:180] = [0,255,0] # 绿色cv2.imshow('logo',logo) cv2.imshow('cat',cat)# 掩码mask ——> 我们的bitewise_操作(无论是and、or、not、xor操作都有的参数) 以与运算and为例 # 作用：前面的两个参数src1和src2正常地做与运算，将结果和掩码mask再做与运算(无论是什么位运算，都统统和掩码mask做与运算) #按位运算：如果是True,则显示原来的值(返回原图)；如果是False，则为0（黑色）# 我们用掩码的目的是：把logo中不必要的像素(纯黑的部分)剔除，使和背景融合的只有有用的部分 mask = np.zeros((200,200),np.uint8) # 需要设置为和logo一样的大小才能做掩码 注意：掩码是黑白的！(做与运算时要求对象是二维的，不能是三维的) mask[20:120,20:120] = 255 # 改成白色 mask[80:180,80:180] = 255 # 改成白色# 白色"与"上任何东西都是白色，做mask运算时这部分就是原来的颜色 cv2.imshow('mask',mask)# 取反 m = cv2.bitwise_not(mask) # 将logo部分变成黑色 ——> 用该图去和logo做与运算，就可以把logo中有用的部分抠出来 cv2.imshow('m',m)# 选择cat中添加logo的位置 ——> 感兴趣区域roi roi = cat[0:200,0:200] # 为浅拷贝：相当于从cat中截取了一块图片出来，改变这一小块中的值，原始的cat也会改变# roi 与 m 进行与操作 ——> 相当于在roi中抠出了logo的位置(变成黑色) temp = cv2.bitwise_and(roi, roi,mask = m) # 自己和自己进行"与"操作还是自己# 做个加法：temp中间是黑的，logo周围是黑的，两个图片相加：黑的地方值为0，相加不影响像素，即把两张图完好地叠在一起了！ dst = cv2.add(temp,logo) cv2.imshow('temp',temp)# 在cat上还原 ——> 把图片覆盖上去即可 cat[0:200,0:200] = dst cv2.imshow('dst',dst)cv2.waitKey(0) cv2.destroyAllWindows()

推荐阅读

• 

  Docker容器下快速搭建Hyperf框架在Windows系统的本地开发环境
• 

  u盘启动快捷键u盘启动快捷键
• 

  吃了止痛药能打新冠疫苗吗
• 

  FGO魔伊复刻流程攻略 魔法少女纪行复刻活动流程推荐
• 

  随性写的
• 

  高三学生经商有前途吗？
• 

  让你的打印机重获新生 益普生打印机废墨清零软件下载
• 

  3000元价位手机怎么选好 3000元价位手机怎么选
• 

  安乐什么意思 安乐是什么意思
• 

  王者荣耀狂铁所有皮肤 王者荣耀狂铁战令皮肤怎么样
• 

  代理服务器出了什么问题？ 代理服务器不能怎么回事
• 

  纵向沟通与横向沟通有何不同 横向沟通与纵向沟通各有哪些优缺点
• 

  吃南瓜子能减肥吗
• 

  圆的面积和底面积一样吗? 圆的面积和底面积一样吗
• 

  手机cpu怎么设置最佳性能
• 

  宫腔镜|不知道宫腔镜有何优势？给你列出这3点，可别小瞧了
• 

  急脾气的妈妈怎么对待慢性子的孩子
• 

  粉扑拿回来要洗吗 粉扑用完怎么放置
• 

  的哥马上要交班，却闯祸又丢工作
• 

  mysql查询前三名 mysql查询第三到第五

• CV|opencv:彩色图像到灰度图像的转换与保存
• opencv|OpenCV（02基础知识和绘制图形）
• opencv|OpenCV（01图片&视频的加载显示）
• tensorflow|OpenMV（18数字识别）
• alot物联网工程师|四.OpenCv图像的基本变换
• python|（2022.4）Win10最新Anaconda安装Pytorch GPU环境(CUDA)教程（极其适合初学者）
• 程序员|【python教程入门学习】普通人学python有意义吗
• 数据|Python爬取AES加密的m3u8视频流的小视频并转换成mp4
• python|python爬虫---破解m3u8 加密