像素运算
分为
算术运算和
逻辑运算
算术运算：
加减乘除
调节亮度
调整对比度
逻辑运算：
与或非
遮罩层控制
一：算术运算
import cv2
as cv
import numpy as np
def add_demo(m1,m2):
dst =
cv.add(m1,m2)
cv.imshow("add_demo",dst)
def subtract_demo(m1,m2):
dst =
cv.subtract(m1,m2)
cv.imshow("subtract_demo",dst)
def multiply_demo(m1,m2):
dst =
cv.multiply(m1,m2)
cv.imshow("multiply_demo",dst)
def divide_demo(m1,m2):
dst =
cv.divide(m1,m2) #不多用
cv.imshow("divide_demo",dst)
src1 = cv.imread(
"./a1.jpg") #读取图片
src2 = cv.imread(
"./a2.jpg") #读取图片
print(src1.shape)
print(src2.shape)
cv.imshow("image1",src1)
cv.imshow("image2",src2)
add_demo(src1,src2)
subtract_demo(src1,src2)
multiply_demo(src1,src2)
divide_demo(src1,src2)
cv.waitKey(0) #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows() #销毁所有窗口
原图：
add:（黑色是0，白色为255，当大于255会为白色，小于0为黑色）
subtract：
multiply：
divide：
获得各个通道的均值：
def others(m1,m2):
M1 =
cv.mean(m1)
M2 =
cv.mean(m2)
print(M1)
print(M2)
(
190.8543375,
190.8543375,
190.8543375,
0.0) #整体偏黑
(186.68600625000002,
228.5496625,
241.74333125,
0.0) #红绿较多，所以偏黄
获取各个图像的方差：
def others(m1,m2):
M1 =
cv.mean(m1)
M2 =
cv.mean(m2)
M1,dev1 =
cv.meanStdDev(m1) #返回均值和方差，分别对应3个通道
M2,dev2 =
cv.meanStdDev(m2)
print(M1)
print(dev1)
print(M2)
print(dev2)
[[
190.8543375] #M1
[190.8543375]
[190.8543375]]
[[95.31664687] #dev1
[95.31664687]
[95.31664687]]
[[186.68600625] #M2
[228.5496625 ]
[241.74333125]]
[[72.40766216] #dev2
[39.39460523]
[30.92104465]]
可以知道dev2偏小，所以图二中色彩差异（对比性）是较小的，若是整张图片同色，则方差为0，均值为0，可以用来查看扫描仪中是否有信息（方差小于一个预值，则失效，丢弃）
img = np.zeros([
400,
400,
3],np.uint8)
m,dev =
cv.meanStdDev(img)
print(m,dev)
二：逻辑运算
与and:(1和1为1)（类似遮罩，当我们使用白色遮罩）
def logic_and_demo(m1,m2):
dst =
cv.bitwise_and(m1,m2)
cv.imshow("logic_and_demo",dst)
或or：(1和1,1和0都为1）
def logic_or_demo(m1,m2):
dst =
cv.bitwise_or(m1,m2)
cv.imshow("logic_or_demo",dst)
异或xor：（1和0为1）
def logic_xor_demo(m1,m2): #异或：不同为1，相同为0
dst =
cv.bitwise_xor(m1,m2)
cv.imshow("logic_or_demo",dst)
非（not）：对一张图片取反
def logic_not_demo(m1): #非是对于一张图片
dst =
cv.bitwise_not(m1)
cv.imshow("logic_not_demo",dst)
补充：针对视频中inrange
def extrace_object():
capture = cv.VideoCapture(
"./1.mp4")
while True:
ret,frame =
capture.read() #frame是每一帧图像，ret是返回值，为0是表示图像读取完毕
if ret ==
False:
break
hsv =
cv.cvtColor(frame,cv.COLOR_BGR2HSV)
lower_hsv = np.array([
0,
43,
46])
upper_hsv = np.array([
10,
255,
255])
mask = cv.inRange(hsv,lower_hsv,upper_hsv)
dst = cv.bitwise_and(frame,frame,mask=mask)
cv.imshow("video",frame)
cv.imshow("mask", mask)
cv.imshow("dst",dst)
c = cv.waitKey(
40)
if c ==
27:
break
mask：该函数输出的dst是一幅二值化之后的图像（是将满足我们的图像对象所有位都设为1白色，不满足设置为0黑色）
bitwise_and：白色全为1与原图相与，会将白色区域提取
调整亮度和对比度addWeighted
推文：Opencv 例程讲解 6 ---- 图片融合 addWeighted到底有多快？
def contrast_brightness_demo(image,c,b):
'''
:param image: 原图
:param c: 对比度 是将像素乘与c,原来2，4---->
4,
8 差距由2--->
4导致对比增强
:param b: 亮度 是将每个像素点加上相关亮度
:return:
'''
h,w,ch =
image.shape
blank =
np.zeros([h,w,ch],image.dtype)
dst =
cv.addWeighted(image,c,blank,1-c,b)
cv.imshow("dst",dst)
src = cv.imread(
"./1.png")
cv.imshow("src",src)
contrast_brightness_demo(src,1.2,
0)
亮度：
src = cv.imread(
"./1.png")
cv.imshow("src",src)
contrast_brightness_demo(src,1,
50)
1、第1个参数，输入图片1，
2、第2个参数，图片1的融合比例
3、第3个参数，输入图片2
4、第4个参数，图片2的融合比例
5、第5个参数，偏差
6、第6个参数，输出图片
转载于:https://www.cnblogs.com/ssyfj/p/9260798.html
