OpenCV图像算术位运算

一 图像相加

import cv2
import numpy as np

girl=cv2.imread('./2037548.jpg')

#图像的加法运算就是矩阵的加法运算
#因此加法运算的两张图必须是相等的

print(girl.shape)

img=np.ones((1920,1080,3),np.uint8)*50
cv2.imshow('girl',girl)
result=cv2.add(girl,img)
cv2.imshow('result',result)
cv2.waitKey(0)


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

二 图像减法运算

subtract(A,B)
含义是A减B

import cv2
import numpy as np

girl=cv2.imread('./2037548.jpg')

#图像的加法运算就是矩阵的加法运算
#因此加法运算的两张图必须是相等的

print(girl.shape)

img=np.ones((1920,1080,3),np.uint8)*50
cv2.imshow('girl',girl)
result=cv2.subtract(girl,img)
cv2.imshow('result',result)
cv2.waitKey(0)


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

三 图像的融合

addWeigthed(A,alpha,B,bate,gamma)

alpha和beta是权重

gamma 静态权重

四 图像位运算

import cv2
import numpy as np

# 创建一张图片
img=np.zeros((200,200),np.uint8)

img[50:150,50:150]=255

new_img=cv2.bitwise_not(img)

cv2.imshow('img',img)

cv2.imshow('new_img',new_img)

cv2.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

五 图像的与运算

import cv2
import numpy as np

# 创建一张图片
img=np.zeros((200,200),np.uint8)
img2=np.zeros((200,200),np.uint8)

img[20:120,20:120]=255
img2[50:150,50:150]=255

new_img=cv2.bitwise_and(img,img2)

cv2.imshow('img',img)

cv2.imshow('new_img',new_img)

cv2.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

六 图像的或与异或运算

bitwise_or(img1,img2)
bitwise_xor(img1,img2)

总结 添加水印

# 引入一副图片
# 要有一个Logo,需要自己创建
# 水印添加，在什么地方添加，在添加的地方变成黑色
# 利用add 将logo 与图形叠加到一起

import cv2
import numpy as np

girl=cv2.imread('./2037548.jpg')

# 创建LOGO
logo=np.zeros((200,200,3),np.uint8)
mask=np.zeros((200,200),np.uint8)

# 绘制LOGO
logo[20:120,20:120]=[0,0,255]
logo[80:180,80:180]=[0,255,0]

mask[20:120,20:120]=255
logo[80:180,80:180]=255

# 对mask按位取反
m=cv2.bitwise_not(mask)

# 选择girl添加logo的位置
roi=girl[0:200,0:200]

# 与m进行操作
tmp=cv2.bitwise_and(roi,roi,mask=m)
dst=cv2.add(tmp,logo)

girl[0:200,0:200]=dst

cv2.imshow('girl',girl)
#cv2.imshow('tmp',tmp)
#how('mask',mask)
#cv2.imshow('logo',logo)
cv2.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38