Python中图像算术运算的示例详解

更新时间：2022年05月05日 15:22:09 作者：woshicver

还记得你在小学时学习如何加减数字吗？现在，你也可以对图像做同样的事情!输入图像可以进行算术运算，例如加法、减法和按位运算（AND、OR、NOT、XOR）。这些操作可以帮助提高输入照片的质量。本文将详解一下这些运算，需要的可以参考一下

介绍

还记得你在小学时学习如何加减数字吗？现在，你也可以对图像做同样的事情!

输入图像可以进行算术运算，例如加法、减法和按位运算（AND、OR、NOT、XOR）。这些操作可以帮助提高输入照片的质量。

在本文中，你将了解使用 OpenCV Python 包对图像执行算术和按位运算的步骤。让我们开始吧！

对图像进行算术运算是什么意思？

因此，假设我们希望合并两张单独的照片中的两个像素。我们怎样才能将它们合并？

让我们想象以下场景。第一个像素的颜色强度为 (200, 0, 0)，而第二个像素的颜色强度为 (100, 0, 0)。如果我们只是将这些值相加，我们得到 (300, 0, 0)。这在处理 RGB 图像时是完全可能的。

那么，我们如何在 Python 中解决这个问题呢？

该解决方案附带实现了 cv2.add() 和 cv2.subtract() 函数的 OpenCV 库。

要执行这些操作，你必须在系统上安装 OpenCV Python 库。

算术运算：图像相加

使用 cv2.add() 函数，我们可以添加两个图像。cv2.add() 将两个图像中的图片像素相加。执行此操作时要记住的一件事是，两个图像应该具有相同的深度和类型，或者第二个图像可以只是一个标量值。

这个函数的语法是：cv2.add(img1, img2)

对于这个博客，我们将考虑以下两张图片来将两张图片相加。

在进行算术运算之前，你必须知道如何读取和显示加载的图像。

现在，按照下面的代码片段阅读，执行两个图像的添加，最后显示添加的图像。

import cv2
 
img1 = cv2.imread('image1_add.jpg', 1)
#or
#img1 = cv2.imread('C:\\Users\\Admin\\Downloads\\image1_add.jpg', 1)
 
cv2.imshow('Image 1', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
img2 = cv2.imread('image2_add.jpg', 1)
#or
#img2 = cv2.imread('C:\\Users\\Admin\\Downloads\\image2_add.jpg', 1)
 
cv2.imshow('Image 2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
# Add the images
added_img = cv2.add(img1, img2)
 
cv2.imshow('Added Image', added_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

从上面的代码片段中添加的图像如下：

这只是简单的添加。我们可以使用另一个名为 cv2.addWeighted 的函数来混合图像。这类似于图像添加，但图像被赋予不同的权重以产生混合或透明的错觉。

这个函数的语法是：cv2.addWeighted(img1, wt1, img2, wt2, gammaValue)

按照下面的代码片段对两个图像执行加权加法。

import cv2
 
img1 = cv2.imread('image1_add.jpg', 1)
#or
#img1 = cv2.imread('C:\\Users\\Admin\\Downloads\\image1_add.jpg', 1)
 
cv2.imshow('Image 1', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
img2 = cv2.imread('image2_add.jpg', 1)
#or
#img2 = cv2.imread('C:\\Users\\Admin\\Downloads\\image2_add.jpg', 1)
 
cv2.imshow('Image 2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
 
#Addition - weighted addition
added_wt_img = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)
 
cv2.imshow('Added Weight Image', added_wt_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

加权加法的输出如下：

在这里，拍摄了两张图像将它们混合在一起。第一张图片的权重为 0.6，第二张图片的权重为 0.4。你可以根据需要更改图像的权重！

算术运算：图像减法

就像两个图像相加一样，你可以减去两个图像。这可以使用 cv2.subtract() 函数来完成。请注意，要减去的图像必须具有相同的大小和深度。

这个函数的语法是：cv2.subtract(src1, src2)

下面的代码片段显示了如何减去两个图像。已经减去了之前使用的图像（我们在加法中使用的图像）。

import cv2
 
img1 = cv2.imread('image1_add.jpg', 1)
#or
#img1 = cv2.imread('C:\\Users\\Admin\\Downloads\\image1_add.jpg', 1)
 
cv2.imshow('Image 1', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
img2 = cv2.imread('image2_add.jpg', 1)
#or
#img2 = cv2.imread('C:\\Users\\Admin\\Downloads\\image2_add.jpg', 1)
 
cv2.imshow('Image 2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
sub_img = cv2.subtract(img1, img2)
 
cv2.imshow('Subtracted Image', sub_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

减去的图像如下：

还尝试减去两个更简单的图像以使其更易于理解。使用的两张图片是：

减去的输出是：

既然我们已经了解了如何对图像执行算术运算，我们将继续对图像进行按位运算。

位运算

当我们只需要提取图像所需的元素时，我们会使用按位运算。

这些按位技术用于各种计算机视觉应用，例如创建图像蒙版、将水印应用于图像以及创建新图像。与 OpenCV 中的其他变形方法相比，这些操作对图像中的单个像素起作用，以产生更准确的结果。

图像上的 And、Or 和 Not 操作

在开始之前，假设你熟悉三个基本的位运算符：AND、OR、NOT。

OpenCV 包括用于执行与、或和非操作的内置函数。它们是按位与、按位或和按位非。考虑下面的两张黑白图像。现在让我们将这三个操作应用于这两个图像，看看会发生什么。

import cv2
 
#read the images
img1 = cv2.imread('bitwise_image_1.jpg')
img2 = cv2.imread('bitwise_image_2.jpg')
 
bitwise_AND = cv2.bitwise_and(img1, img2)
bitwise_OR = cv2.bitwise_or(img1, img2)
bitwise_NOT = cv2.bitwise_not(img1)
 
cv2.imshow('img1', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
cv2.imshow('img2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
cv2.imshow('AND', bitwise_AND)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
cv2.imshow('OR', bitwise_OR)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
cv2.imshow('NOT', bitwise_NOT)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码段的输出将如下所示：

希望你已经学会了如何使用 OpenCV 对图像进行算术和按位运算。

以上就是Python中图像算术运算的示例详解的详细内容，更多关于Python图像算术运算的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

python [:3] 实现提取数组中的数
今天小编就为大家分享一篇python [:3] 实现提取数组中的数，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-11-11
Python3.5以上版本lxml导入etree报错的解决方案
这篇文章主要介绍了Python3.5以上版本lxml导入etree报错的解决方案，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-06-06
windows下numpy下载与安装图文教程
这篇文章主要为大家详细介绍了windows下numpy下载与安装图文教程，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-04-04
学习python如何处理需要登录的网站步骤
这篇文章主要为大家介绍了python如何处理需要登录的网站步骤学习,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
2023-10-10
numpy中np.c_和np.r_的用法解析
本文主要介绍了numpy中np.c_和np.r_的用法解析，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2023-03-03
Python Flask搭建yolov3目标检测系统详解流程
YOLOv3没有太多的创新，主要是借鉴一些好的方案融合到YOLO里面。不过效果还是不错的，在保持速度优势的前提下，提升了预测精度，尤其是加强了对小物体的识别能力
2021-11-11
华为校园招聘上机笔试题扑克牌大小（python）
这篇文章主要为大家详细介绍了华为校园招聘上机笔试题：扑克牌大小，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-06-06
python利用小波分析进行特征提取的实例
今天小编就为大家分享一篇python利用小波分析进行特征提取的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-01-01
python+Tkinter+多线程的实例
这篇文章主要介绍了python+Tkinter+多线程的实例，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-05-05
Python安装xarray库读取.nc文件的详细步骤
大家应该都知道库xarray可以帮我们读取出nc文件的内容,所以下面这篇文章主要给大家介绍了关于Python安装xarray读取.nc文件的详细步骤,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
2022-07-07