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。
☆ END ☆
如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 woshicver」，每日朋友圈更新一篇高质量博文。
↓扫描二维码添加小编↓
继续阅读
阅读原文