该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类、目标检测应用。
前一篇文章介绍Python调用OpenCV实现图像平滑,包括五种算法:均值滤波、方框滤波、高斯滤波、中值滤波和双边滤波。这篇文章将详细讲解图像融合、图像加减法、图像逻辑运算和类型转换。希望文章对您有所帮助,如果有不足之处,还请海涵~
该系列在github所有源代码:
图像融合通常是指将2张或2张以上的图像信息融合到1张图像上,融合的图像含有更多的信息,能够更方便人们观察或计算机处理。如下图所示,将两张不清晰的图像融合得到更清晰的图。
图像融合是在图像加法的基础上增加了系数和亮度调节量,它与图像的主要区别如下:
在OpenCV中,图像融合主要调用addWeighted()函数实现,其原型如下。需要注意的是,两张融合图像的像素大小必须一致,参数gamma不能省略。
下面的代码是将两张图片进行图像融合,两张图片的系数均为1。
#encoding:utf-8
# By: Eastmount CSDN 2021-01-26
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
src1 = cv2.imread('lena-hd.png')
src2 = cv2.imread('na.png')
#图像融合
result = cv2.addWeighted(src1, 1, src2, 1, 0)
#显示图像
cv2.imshow("src1", src1)
cv2.imshow("src2", src2)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如图所示,它将src1图像和src2图像按比例系数进行了融合,生成目标结果图result。
同样可以设置不同的融合比例,比如函数设为cv2.addWeighted(src1, 0.6, src2, 0.8, 10),则输出的结果如图所示。
如果想表白,可以试试这部分代码。
(1) Numpy库加法 其运算方法是:目标图像 = 图像1 + 图像2,运算结果进行取模运算。
(2) OpenCV加法运算 另一种方法是直接调用OpenCV库实现图像加法运算,方法如下:
此时结果是饱和运算,即:
两种方法对应的代码如下所示:
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('picture.bmp')
test = img
#方法一:Numpy加法运算
result1 = img + test
#方法二:OpenCV加法运算
result2 = cv2.add(img, test)
#显示图像
cv2.imshow("original", img)
cv2.imshow("result1", result1)
cv2.imshow("result2", result2)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下,其中result1为第一种方法,result2为第二种方法,白色点255更多。
注意:参与运算的图像大小和类型必须一致。下面是对彩色图像加法运算的结果。
下面的代码实现了图像加法运算。注意,如果相加值大于255,则输出图像的像素结果设置为255。
#coding:utf-8
import cv2
import numpy as np
#读取图片
img = cv2.imread("Lena.png")
#图像各像素加100
m = np.ones(img.shape, dtype="uint8")*100
#OpenCV加法运算
result = cv2.add(img, m)
#显示图像
cv2.imshow("original", img)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出如图所示,左边为原始图像,右边为像素值增加100像素后的图像,输出图像显示更偏白。
图像减法运算主要调用subtract()函数实现,其原型如下所示:
实现代码详见如下:
#coding:utf-8
# By: Eastmount CSDN 2021-02-24
import cv2
import numpy as np
#读取图片
img = cv2.imread("Lena.png")
#图像各像素减50
m = np.ones(img.shape, dtype="uint8")*50
#OpenCV减法运算
result = cv2.subtract(img, m)
#显示图像
cv2.imshow("original", img)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出如图所示,左边为原始图像,右边为像素值减少50像素后的图像,输出图像显示更偏暗。
与运算是计算机中一种基本的逻辑运算方式,符号表示为“&”,其运算规则为:0&0=0、0&1=0、1&0=0、1&1=1。图像的与运算是指两张图像(灰度图像或彩色图像均可)的每个像素值进行二进制“与”操作,实现图像裁剪。
下面代码是通过图像与运算实现图像剪裁的功能。
#coding:utf-8
# By: Eastmount CSDN 2021-02-24
import cv2
import numpy as np
#读取图片
img = cv2.imread("Lena.png", cv2.IMREAD_GRAYSCALE)
#获取图像宽和高
rows, cols = img.shape[:2]
print(rows, cols)
#画圆形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2.0), int(cols/2)), 80, 255, -1)
print(circle.shape)
print(img.size, circle.size)
#OpenCV图像与运算
result = cv2.bitwise_and(img, circle)
#显示图像
cv2.imshow("original", img)
cv2.imshow("circle", circle)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出如图所示,原始图像与圆形进行与运算之后,提取了其中心轮廓。同时输出图像的形状为256×256,图像大小为65536个像素。注意,两张进行与运算的图像大小和类型必须一致。
逻辑或运算是指如果一个操作数或多个操作数为 true,则逻辑或运算符返回布尔值 true;只有全部操作数为false,结果才是 false。图像的或运算是指两张图像(灰度图像或彩色图像均可)的每个像素值进行二进制“或”操作,实现图像裁剪。其函数原型如下所示:
下面代码是通过图像或运算实现图像剪裁的功能。
#coding:utf-8
# By: Eastmount CSDN 2021-02-24
import cv2
import numpy as np
#读取图片
img = cv2.imread("Lena.png", cv2.IMREAD_GRAYSCALE)
#获取图像宽和高
rows, cols = img.shape[:2]
print(rows, cols)
#画圆形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2), int(cols/2)), 80, 255, -1)
print(circle.shape)
print(img.size, circle.size)
#OpenCV图像或运算
result = cv2.bitwise_or(img, circle)
#显示图像
cv2.imshow("original", img)
cv2.imshow("circle", circle)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出如图所示,原始图像与圆形进行或运算之后,提取了图像除中心原形之外的像素值。
逻辑异或运算(xor)是一个数学运算符,数学符号为“⊕”,计算机符号为“xor”,其运算法则为:如果a、b两个值不相同,则异或结果为1;如果a、b两个值相同,异或结果为0。图像的异或运算是指两张图像(灰度图像或彩色图像均可)的每个像素值进行二进制“异或”操作,实现图像裁剪。其函数原型如下所示:
图像异或运算的实现代码如下所示。
#coding:utf-8
import cv2
import numpy as np
#读取图片
img = cv2.imread("Lena.png", cv2.IMREAD_GRAYSCALE)
#获取图像宽和高
rows, cols = img.shape[:2]
print(rows, cols)
#画圆形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2), int(cols/2)), 80, 255, -1)
print(circle.shape)
print(img.size, circle.size)
#OpenCV图像异或运算
result = cv2.bitwise_xor(img, circle)
#显示图像
cv2.imshow("original", img)
cv2.imshow("circle", circle)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
原始图像与圆形进行异或运算之后输出如图所示。
图像非运算就是图像的像素反色处理,它将原始图像的黑色像素点转换为白色像素点,白色像素点则转换为黑色像素点,其函数原型如下:
图像非运算的实现代码如下所示。
#coding:utf-8
import cv2
import numpy as np
#读取图片
img = cv2.imread("Lena.png", cv2.IMREAD_GRAYSCALE)
#OpenCV图像非运算
result = cv2.bitwise_not(img)
#显示图像
cv2.imshow("original", img)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
原始图像非运算之后输出如图所示。
图像类型转换是指将一种类型转换为另一种类型,比如彩色图像转换为灰度图像、BGR图像转换为RGB图像。OPenCV提供了200多种不同类型之间的转换,其中最常用的包括3类,如下:
代码如下所示:
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
src = cv2.imread('01.bmp')
#图像类型转换
result = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如下图所示:
如果使用通道转化,则结果如下图所示:
本文主要讲解Python和OpenCV的图像基础处理,具体内容包括:
源代码下载地址,记得帮忙点star和关注喔!
参考文献,在此感谢这些大佬,共勉!