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:
- python中opencv圖像疊加、圖像融合、按位操作的具體實現
- 使用python和opencv的mask實現摳圖疊加
- Python-OpenCV教程之圖像的位運算詳解
- 基於Python的OpenCV骨架化圖像並顯示(skeletonize)
- 使用OpenCV實現迷宮解密的全過程