詳解python opencv圖像混合算術運算

圖片相加 cv2.add()       

 要疊加兩張圖片,可以用 cv2.add() 函數,相加兩幅圖片的形狀(高度 / 寬度 / 通道數)必須相同。
        numpy中可以直接用res = img + img1相加,但這兩者的結果並不相同(看下邊代碼):
        add()兩個圖片進行加和,大於255的使用255計數.
        numpy會對結果取256(相當於255+1)的模:

import numpy as np
import cv2
 
x = np.uint8([250])
y = np.uint8([10])
 
print(cv2.add(x, y)) # 250+10 = 260 => 255
print(x + y) # 250+10 = 260 % (255 + 1) = 4

 如果是二值化圖片(隻有0和255兩種值),兩者結果是一樣的(用numpy的方式更簡便一些)。

實驗圖片:

 add()後效果

 相減、相乘、相除:

  •  subtract(img1,img2)  # 相減,可以用於目標檢測m
  • ultiply(img1,img2) # 相乘
  • divide(img1,img2) # 相除

 圖像融合、混合addWeighted()

圖像混合 cv2.addWeighted() 也是一種圖片相加的操作,隻不過兩幅圖片的權重不一樣,γ相當於一個修正值:

img1 = cv2.imread('lena_small.jpg') 
img2 = cv2.imread('opencv-logo-white.png') 
res = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)

 效果:

 α和β都等於1時,就相當於圖片相加。

按位運算

按位操作包括按位與 / 或 / 非 / 異或操作,有什麼用途呢?比如說我們要實現下圖的效果:

        如果將兩幅圖片直接相加會改變圖片的顏色,如果用圖像混合,則會改變圖片的透明度,所以我們需要 用按位操作。         首先來瞭解一下 掩膜(mask) 的概念:掩膜是用一副二值化圖片對另外一幅圖片進行局 部的遮擋,看下圖就一目瞭然瞭:

 所以我們的思路就是把原圖中要放logo的區域摳出來,再把logo放進去就行瞭:

img1 = cv2.imread('lena.jpg') 
img2 = cv2.imread('opencv-logo-white.png')
 
# 把logo放在左上角,所以我們隻關心這一塊區域 
rows, cols = img2.shape[:2] 
roi = img1[:rows, :cols] 
# 創建掩膜 
img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) 
ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY) 
mask_inv = cv2.bitwise_not(mask) 
 
# 保留除logo外的背景 
img1_bg = cv2.bitwise_and(roi, roi, mask=mask_inv) 
dst = cv2.add(img1_bg, img2)# 進行融合 
img1[:rows, :cols] = dst # 融合後放在原圖上

 掩膜的概念在圖像混合/疊加的場景下使用較多。

上邊我們使用瞭

  • 按位與 bitwise_and(roi, roi, mask=mask_inv)
  • 非運算 bitwise_not(mask)

除瞭按位與、非運算還有:

  • 或運算 bitwise_or(img1,img2)
  • 異或運算 bitwise_xor(img1,img2) 

到此這篇關於詳解python opencv圖像混合算術運算的文章就介紹到這瞭,更多相關python opencv圖像算術運算內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: