前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >[Python图像处理] 五.图像融合、图像加减法、图像逻辑运算及图像类型转换

[Python图像处理] 五.图像融合、图像加减法、图像逻辑运算及图像类型转换

作者头像
Eastmount
发布2021-12-02 21:10:28
3.4K0
发布2021-12-02 21:10:28
举报

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~

  • 一.图像融合
  • 二.图像加法和减法运算 1.加法运算 2.减法运算
  • 三.图像逻辑运算 1.与运算 2.或运算 3.异或运算 4.非运算
  • 四.图像类型转换

该系列在github所有源代码:

  • https://github.com/eastmountyxz/ ImageProcessing-Python

一.图像融合

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:

  • 图像加法:目标图像 = 图像1 + 图像2
  • 图像融合:目标图像 = 图像1 × 系数1 + 图像2 × 系数2 + 亮度调节量

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。

  • dst = cv2.addWeighted(scr1, alpha, src2, beta, gamma)
  • dst = src1 * alpha + src2 * beta + gamma

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。

代码语言:javascript
复制
#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。


二.图像加法和减法运算

1.加法运算

(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。

  • 当像素值<=255时,结果为“图像1+图像2”,例如:120+48=168
  • 当像素值>255时,结果为对255取模的结果,例如:(255+64) % 255 = 64

(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:

  • 目标图像 = cv2.add(图像1, 图像2)

此时结果是饱和运算,即:

  • 当像素值<=255时,结果为“图像1+图像2”,例如:120+48=168
  • 当像素值>255时,结果为255,例如:(255+64) = 255

两种方法对应的代码如下所示:

代码语言:javascript
复制
#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。

代码语言:javascript
复制
#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。


2.减法运算

图像减法运算主要调用subtract()函数实现,其原型如下所示:

  • dst = subtract(src1, src2[, dst[, mask[, dtype]]]) – src1表示第一张图像的像素矩阵 – src2表示第二张图像的像素矩阵

实现代码详见如下:

代码语言:javascript
复制
#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。


三.图像逻辑运算

1.与运算

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。

  • dst = bitwise_and(src1, src2[, dst[, mask]]) – src1表示第一张图像的像素矩阵 – src2表示第二张图像的像素矩阵 – dst表示输出的图像,必须和输入图像具有相同的大小和通道数 – mask表示可选操作掩码(8位单通道数组),用于指定要更改的输出数组的元素

下面代码是通过图像与运算实现图像剪裁的功能。

代码语言:javascript
复制
#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。


2.或运算

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:

  • dst = bitwise_or(src1, src2[, dst[, mask]]) – src1表示第一张图像的像素矩阵 – src2表示第二张图像的像素矩阵 – dst表示输出的图像,必须和输入图像具有相同的大小和通道数 – mask表示可选操作掩码(8位单通道数组),用于指定要更改的输出数组的元素

下面代码是通过图像或运算实现图像剪裁的功能。

代码语言:javascript
复制
#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。


3.异或运算

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:

  • dst = bitwise_xor(src1, src2[, dst[, mask]]) – src1表示第一张图像的像素矩阵 – src2表示第二张图像的像素矩阵 – dst表示输出的图像,必须和输入图像具有相同的大小和通道数 – mask表示可选操作掩码(8位单通道数组),用于指定要更改的输出数组的元素

图像异或运算的实现代码如下所示。

代码语言:javascript
复制
#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。


4.图像非运算

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:

  • dst = bitwise_not(src1, src2[, dst[, mask]]) – src1表示第一张图像的像素矩阵 – src2表示第二张图像的像素矩阵 – dst表示输出的图像,必须和输入图像具有相同的大小和通道数 – mask表示可选操作掩码(8位单通道数组),用于指定要更改的输出数组的元素

图像非运算的实现代码如下所示。

代码语言:javascript
复制
#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。


四.图像类型转换

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:

  • cv2.COLOR_BGR2GRAY
  • cv2.COLOR_BGR2RGB
  • cv2.COLOR_GRAY2BGR

代码如下所示:

代码语言:javascript
复制
#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:

  • result = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)

五.总结

本文主要讲解Python和OpenCV的图像基础处理,具体内容包括:

  • 一.图像融合
  • 二.图像加法和减法运算 1.加法运算 2.减法运算
  • 三.图像逻辑运算 1.与运算 2.或运算 3.异或运算 4.图像非运算
  • 四.图像类型转换

源代码下载地址,记得帮忙点star和关注喔!

  • https://github.com/eastmountyxz/ ImageProcessing-Python

参考文献,在此感谢这些大佬,共勉!

  • [1] 冈萨雷斯. 数字图像处理(第3版)[M]. 电子工业出版社, 2013.
  • [2] 毛星云, 冷雪飞. OpenCV3编程入门[M]. 电子工业出版社, 2015.
  • [3] https://blog.csdn.net/Eastmount
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-02-24,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 娜璋AI安全之家 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一.图像融合
  • 二.图像加法和减法运算
    • 1.加法运算
      • 2.减法运算
      • 三.图像逻辑运算
        • 1.与运算
          • 2.或运算
            • 3.异或运算
              • 4.图像非运算
              • 四.图像类型转换
              • 五.总结
              相关产品与服务
              图像处理
              图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
              领券
              问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档