模块8 图像的运算《计算机视觉处理项目实战》教学课件

《计算机视觉处理项目实战》✩精品课件合集✩精品课件合集第X章XXXX模块8图像的运算图像加法运算CONTENTS目录01图像加法运算图像加法运算加号运算：加号运算（+）的原理就是将两个图像的像素值相加，再将结果除以256取余数。

img1=[[2527213][5910176][88227210]]img2=[[13183254][521595][123132181]]img1+img2=[[9190211][111481][211103135]]图像加法运算add()函数：add()函数运算的原理就是将两个图像的像素值相加并且结果最大值只能是255。函数cv2.add()的语法格式为:result=cv2.add(a,b)img1=[[6618551][6239125][1692872]]img2=[[1811116][20277138][186174144]]

add（img1，img2）=[[84196167]

[255116255]

[255202216]]图像加法运算示例import

cv2a

=

cv2.imread("fruits.jpg",

0)b

=

aresultl

=

a+bresult2

=

cv2.add(a,

b)cv2.imshow("original",

a)cv2.imshow("result1",

resultl)cv2.imshow("result2",

result2)cv2.waitKey()cv2.destroyAllWindows()总结01图像加法运算位运算CONTENTS目录01图像的按位运算图像的按位运算

图像的按位运算就是对像素点值的按位运算，按位运算是针对二进制数而言的，也就是说只有0和1两个值，因此，在对图像进行按位运算时，需要将图像转化成灰度图。在OpenCV中，提供了四种按位运算。函数说明bitwise_and()按位与运算（按位与是将参与运算的两个数各对应的二进位进相与，也就是对同一位上的数字（0或1）进行与操作。在图像处理中，1表示白色，0表示黑色，具体算法例如：1&1=1；1&0=0；0&0=0。）bitwise_or()按位或运算（按位或是将参与运算的两个数各对应的二进位相或，也就是对同一位上的数字（0或1）进行或操作。具体算法例如：1|1=1；1|0=1；0|0=0。）bitwise_xor()按位异或运算（异或操作相当于不带进位的二进制加法，二进制下用1表示真，0表示假。具体算法例如：1^1=0；1^0=1；0^0=0。）bitwise_not()按位非运算（非操作就是指本来值的反值）图像的按位运算以按位与运算为例，语法格式如下所示。cv2.bitwise_and(src1,src2[,mask]]）importcv2ascv#读取图片1img=cv.imread('./image/O.png')img1=cv.resize(img,(200,200))cv.imshow('img1',img1)#读取图片2img2=cv.imread('./image/timg.png')img3=cv.resize(img2,(200,200))cv.imshow('img2',img3)#逻辑与运算img4=cv.bitwise_and(img1,img3)cv.imshow('and',img4)#逻辑或运算img5=cv.bitwise_or(img1,img3)cv.imshow('or',img5)总结01图像的按位运算图像加权和运算CONTENTS目录01图像加权和运算图像加权和运算所谓图像加权和，就是在计算两幅图像的像素值之和时，将每幅图像的权重考虑进来。OpenCV中提供了函数cv2.addWeighted()，用来实现图像的加权和（混合、融合)，该函数的语法格式为:dst=cv2.addWeighted(src1，alpha，src2，beta，gamma)其中，参数alpha和beta是src1和src2所对应的系数，它们的和可以等于1，也可以不等于1。该函数实现的功能是dst=src1*alpha+src2*beta+gamma。需要注意，式中参数gamma的值可以是0，但是该参数是必选参数，不能省略。可以将上式理解为“结果图像=图像1*系数1+图像2*系数2+亮度调节”。加权和运算示例importcv2ascv#读取图片1img=cv.imread('./image/a.jpg')img1=cv.resize(img,(200,200))cv.imshow('img1',img1)#读取图片2img2=cv.imread('./image/b.jpg')img3=cv.resize(img2,(200,200))cv.imshow('img3',img3)

#对图像加权相加img4=cv.addWeighted(img1,0.6,img3,0.4,0)cv.imshow('addweighted',img4)cv.waitKey(0)cv.destroyAllWindows()总结01图像加权和运算图像加密与解密CONTENTS目录01图像加密与解密图像加密与解密图像的加密就是创建一个密匙图像，并将要加密的图像与密匙图像进行按位异或操作。图像的解密就是将这个过程反过来。图像加密与解密示例importcv2importnumpyasnprose=cv2.imread("rose.jpg",0)r,c=rose.shapekey=np.random.randint(0,256,size=[r,c],dtype=np.uint8)encryption=cv2.bitwise_xor(rose,key)decryption=cv2.bitwise_xor(encryption,key)cv2.imshow("rose",rose)cv2.imshow("key",key)cv2.imshow("encryption",encryption)cv2.imshow("decryption",decryption)cv2.waitKey()cv2.destroyAllWindows()总结01图像加密与解密数字水印的嵌入和提取CONTENTS目录01数字水印的嵌入和提取数字水印的嵌入和提取示例importcv2importnumpyasnpRaccoon=cv2.imread("Raccoon.png",0)watermark=cv2.imread("opencv.png",0)w=watermark[:,:]>0watermark[w]=1r,c=Raccoon.shapet254=np.ones((r,c),dtype=np.uint8)*254RaccoonH7=cv2.bitwise_and(Raccoon,t254)e=cv2.bitwise_or(RaccoonH7,watermark)cv2.imshow("Raccoon",Raccoon)cv2.imshow("watermark",watermark*255)cv2.imshow("e",e)cv2.waitKey()cv2.destroyAllWindows()数字水印的嵌入和提取示例importcv2importnumpyasnpe=cv2.imread("e.png",0)r,c=e.shapet1=np.ones((r,c),dtype=np.uint8)wm=cv2.bitwise_and(e,t1)w=wm[:,:]>0wm[w]=255cv2.imshow("e",e)cv2.imshow("wm",wm)cv2.waitKey()cv2.destroyAllWindows()总结01数字水印的嵌入和提取获取图像局部区域CONTENTS目录01获取图像局部区域获取图像局部区域在图像处理过程中，我们可能会对图像的某一个特定区域感兴趣，该区域被称为感兴趣区域。我们将感兴趣的区域放大，提取图像重点信息。图像的局部区域打码在图像处理过程中，我们可能需要对图像的某一个特定区域打码。使用掩码和按位运算，实现对图像关键区域的打码。图像的局部区域打码示例import

cv2import

numpy

as

nppanda

=

cv2.imread("panda.jpg",

0)r,

c

=

panda.shapemask

=

np.zeros((r,

c),

dtype=np.uint8)mask[220:400,

500:700]

=

1noFace

=

cv2.bitwise_and(panda,

(1-mask)*255