专栏首页深度学习和计算机视觉【从零学习OpenCV 4】两图像间的像素操作

【从零学习OpenCV 4】两图像间的像素操作

经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社沟通,提前在公众号上连载部分内容,请持续关注小白。

前面介绍的计算最值、平均值等操作都是对一张图像进行处理,接下来将介绍两张图像间像素的相关操作,包含两张图像的比较运算、逻辑运算等。

1

01

两张图像的比较运算

OpenCV 4中提供了求取两张图像每一位像素较大或者较小灰度值的max()、min()函数,这两个函数分别比较两个图像中每一位元素灰度值的大小,保留较大(较小)的灰度值,这两个函数的函数原型在代码清单3-13中给出。

代码清单3-13 max()和min()函数原型
1.  void cv::max(InputArray src1,
2.               InputArray src2,
3.               OutputArray dst
4.                  )
5.  void cv::min(InputArray src1,
6.               InputArray src2,
7.               OutputArray dst
8.                  )
  • src1:第一个图像矩阵,可以是任意通道数的矩阵。
  • src2:第二个图像矩阵,尺寸和通道数以及数据类型都需要与src1一致。
  • dst:保留对应位置较大(较小)灰度值后的图像矩阵,尺寸、通道数和数据类型与src1一致。

该函数的功能相对来说比较简单,就是比较图像每个像素的大小,按要求保留较大值或者较小值,最后生成新的图像。例如,第一张图像

位置像素值为100,第二张图像

位置像素值为10,那么输出图像

位置像素值为100。在代码清单3-14中给出了这两个函数的代码实现过程以及运算结果,运算结果在图3-9、图3-10和图3-11中给出。这种比较运算主要用在对矩阵类型数据的处理,与掩模图像进行比较运算可以实现抠图或者选择通道的效果。

代码清单3-14 myMaxAndMin.cpp两个矩阵或图像进行比较运算
1.  #include <opencv2\opencv.hpp>
2.  #include <iostream>
3.  #include <vector>
4.  
5.  using namespace std;
6.  using namespace cv;
7.  
8.  int main()
9. {
10.    float a[12] = { 1, 2, 3.3, 4, 5, 9, 5, 7, 8.2, 9, 10, 2 };
11.    float b[12] = { 1, 2.2, 3, 1, 3, 10, 6, 7, 8, 9.3, 10, 1 };
12.    Mat imga = Mat(3, 4, CV_32FC1, a);
13.    Mat imgb = Mat(3, 4, CV_32FC1, b);
14.    Mat imgas = Mat(2, 3, CV_32FC2, a);
15.    Mat imgbs = Mat(2, 3, CV_32FC2, b);
16.  
17.    //对两个单通道矩阵进行比较运算
18.    Mat myMax, myMin;
19.    max(imga, imgb, myMax);
20.    min(imga, imgb, myMin);
21.  
22.    //对两个多通道矩阵进行比较运算
23.    Mat myMaxs, myMins;
24.    max(imgas, imgbs, myMaxs);
25.    min(imgas, imgbs, myMins);
26.  
27.    //对两张彩色图像进行比较运算
28.    Mat img0 = imread("lena.png");
29.    Mat img1 = imread("noobcv.jpg");
30.    if (img0.empty()|| img1.empty())
31.    {
32.      cout << "请确认图像文件名称是否正确" << endl;
33.      return -1;
34.    }
35.    Mat comMin, comMax;
36.    max(img0, img1, comMax);
37.    min(img0, img1, comMin);
38.    imshow("comMin", comMin);
39.    imshow("comMax", comMax);
40.  
41.    //与掩模进行比较运算
42.    Mat src1 = Mat::zeros(Size(512, 512), CV_8UC3);
43.    Rect rect(100, 100, 300, 300);
44.    src1(rect) = Scalar(255, 255, 255); //生成一个低通300*300的掩模
45.    Mat comsrc1, comsrc2;
46.    min(img0, src1, comsrc1);
47.    imshow("comsrc1", comsrc1);
48.  
49.    Mat src2 = Mat(512, 512, CV_8UC3, Scalar(0,0, 255)); //生成一个显示红色通道的低通掩模
50.    min(img0, src2, comsrc2);
51.    imshow("comsrc2", comsrc2);
52.  
53.    //对两张灰度图像进行比较运算
54.    Mat img0G, img1G, comMinG, comMaxG;
55.    cvtColor(img0, img0G, COLOR_BGR2GRAY);
56.    cvtColor(img1, img1G, COLOR_BGR2GRAY);
57.    max(img0G, img1G, comMaxG);
58.    min(img0G, img1G, comMinG);
59.    imshow("comMinG", comMinG);
60.    imshow("comMaxG", comMaxG);
61.    waitKey(0);
62.    return 0;
63.  }

图3-9 maxAndMin.cpp程序中两个矩阵进行比较运算结果

图3-10 axAndMin.cpp程序中两个彩色图像和灰度图像进行比较运算结果

图3-11 与掩模图像进行比较运算结果

1

02

两张图像的逻辑运算

OpenCV 4针对两个图像像素之间的与、或、异或以及非运算提供了bitwise_and()、bitwise_or()、bitwise_xor()和bitwise_not()四个函数,在代码清单3-15中给出了这四个函数的函数原型。在了解函数用法之前,我们先了解一下图像像素逻辑运算的规则。图像像素间的逻辑运算与数字间的逻辑运算相同,具体规则在图3-12中给出。像素的非运算只能针对一个数值进行,因此在图3-12中对像素求非运算时对图像1的像素值进行非运算。如果像素取值只有0和1的话,那么图中的前4行数据正好对应了所有的运算规则,但是CV_8U类型的图像像素值从0取到255,此时的逻辑运算就需要将像素值转成二进制数后再进行,因为CV_8U类型是8位数据,因此对0求非是11111111,也就是255。在图3-12中最后一行数据中,像素值5对应的二进制为101,像素值6对应的二进制是110,因此与运算得100(4),或运算得111(7),异或运算得011(3),对像素值5进行非运算得11111010(250)。了解了像素的辑运算原理之后,我们再来看OpenCV 4中提供的辑运算函数的使用方法。

图3-12 图像逻辑运算规则

代码清单3-15 OpenCV 4中像素逻辑运算函数原型
1.  //像素求与运算
2.  void cv::bitwise_and(InputArray src1,
3.                           InputArray src2,
4.                           OutputArray dst,
5.                           InputArray mask = noArray()
6.                           )
7.  //像素求或运算
8.  void cv::bitwise_or(InputArray src1,
9.                     InputArray src2,
10.                     OutputArray dst,
11.                     InputArray mask = noArray()
12.                       )
13.  //像素求异或运算
14.  void cv::bitwise_xor(InputArray src1,
15.                      InputArray src2,
16.                      OutputArray dst,
17.                      InputArray mask = noArray()
18.                        )
19.  //像素求非运算
20.  void cv::bitwise_not(InputArray src,
21.                      OutputArray dst,
22.                      InputArray mask = noArray()
23.                        )
  • src1:第一个图像矩阵,可以是多通道图像数据。
  • src2:第二个图像矩阵,尺寸和通道数以及数据类型都需要与src1一致。
  • dst:逻辑运算输出结果,尺寸和通道数和数据类型与src1一致。
  • mask:掩模,用于设置图像或矩阵中逻辑运算的范围。

这几个函数都执行相应的逻辑运算,在进行逻辑计算时,一定要保证两个图像矩阵之间的尺寸、数据类型和通道数相同,多个通道进行逻辑运算时不同通道之间是独立进行的。为了更加直观的理解两个图像像素间的逻辑运算,在代码清单3-16中给出两个黑白图像像素逻辑运算的示例程序,最后运行结果在图3-13中给出。

代码清单3-16 myLogicOperation.cpp两个图像像素逻辑运算
1.  #include <opencv2\opencv.hpp>
2.  #include <iostream>
3.  #include <vector>
4.  
5.  using namespace std;
6.  using namespace cv;
7.  
8.  int main()
9. {
10.    Mat img = imread("lena.png");
11.    if (img.empty())
12.    {
13.      cout << "请确认图像文件名称是否正确" << endl;
14.      return -1;
15.    }
16.    //创建两个黑白图像
17.    Mat img0 = Mat::zeros(200, 200, CV_8UC1);
18.    Mat img1 = Mat::zeros(200, 200, CV_8UC1);
19.    Rect rect0(50, 50, 100, 100);
20.    img0(rect0) = Scalar(255);
21.    Rect rect1(100, 100, 100, 100);
22.    img1(rect1) = Scalar(255);
23.    imshow("img0", img0);
24.    imshow("img1", img1);
25.  
26.    //进行逻辑运算
27.    Mat myAnd, myOr, myXor, myNot, imgNot;
28.    bitwise_not(img0, myNot);
29.    bitwise_and(img0, img1, myAnd);
30.    bitwise_or(img0, img1, myOr);
31.    bitwise_xor(img0, img1, myXor);
32.    bitwise_not(img, imgNot);
33.    imshow("myAnd", myAnd);
34.    imshow("myOr", myOr);
35.    imshow("myXor", myXor);
36.    imshow("myNot", myNot);
37.    imshow("img", img);
38.    imshow("imgNot", imgNot);
39.    waitKey(0);
40.    return 0;
41.  }

图3-13 logicOperation.cpp程序运行结果

本文分享自微信公众号 - 小白学视觉(NoobCV),作者:小白

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-11-24

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 【从零学习OpenCV 4】边缘检测原理

    图像的边缘指的是图像中像素灰度值突然发生变化的区域,如果将图像的每一行像素和每一列像素都描述成一个关于灰度值的函数,那么图像的边缘对应在灰度值函数中是函数值突然...

    小白学视觉
  • 10个不得不知的Python图像处理工具,非常全了!

    10个常用的可以进行图像处理的Python库的介绍,可能有些你还没用过,可以试试看!

    小白学视觉
  • 【从零学习OpenCV】图像的保存&视频的保存

    经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社...

    小白学视觉
  • ConsurrentDictionary并发字典知多少?

    在上一篇文章你真的了解字典吗?一文中我介绍了Hash Function和字典的工作的基本原理. 有网友在文章底部评论,说我的Remove和Add方法没有考虑线...

    码农阿宇
  • K8S学习笔记之使用Fluent-bit将容器标准输入和输出的日志发送到Kafka

    K8S内部署微服务后,对应的日志方案是不落地方案,即微服务的日志不挂在到本地数据卷,所有的微服务日志都采用标准输入和输出的方式(stdin/stdout/std...

    Jetpropelledsnake21
  • 从linux网站搭建到日志服务审计渗透溯源

    继上次日志日志服务到审计溯源 第一篇,此文是第二篇,Tone菜鸡继续讲解,包含的领域知识点比较多,但是都是比较基础的,大佬们勿喷,如果自己的网站遭受入侵如何抓住...

    天钧
  • 最全数据科学学习资源:Python、线性代数、机器学习...

    用户1737318
  • set\list\map部分源码解析

    List、Set实现Collection接口。Map并没有实现任何接口,但内部聚合了一个Collection对象

    洋仔聊编程
  • set\list\map部分源码解析

    List、Set实现Collection接口。Map并没有实现任何接口,但内部聚合了一个Collection对象

    洋仔聊编程
  • 从linux网站搭建到日志服务审计渗透溯源

    继上次日志日志服务到审计溯源 第一篇,此文是第二篇,Tone菜鸡继续讲解,包含的领域知识点比较多,但是都是比较基础的,大佬们勿喷,如果自己的网站遭受入侵如何抓住...

    软测小生

扫码关注云+社区

领取腾讯云代金券