[Python从零到壹] 三十六.图像处理基础篇之图像算术与逻辑运算详解
欢迎大家来到“Python从零到壹”,在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解,真心想把自己近十年的编程经验分享给大家,希望对您有所帮助,文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持,知识无价人有情,希望我们都能在人生路上开心快乐、共同成长。
该系列文章主要讲解Python OpenCV图像处理和图像识别知识,前期主要讲解图像处理基础知识、OpenCV基础用法、常用图像绘制方法、图像几何变换等,中期讲解图像处理的各种运算,包括图像点运算、形态学处理、图像锐化、图像增强、图像平滑等,后期研究图像识别、图像分割、图像分类、图像特效处理以及图像处理相关应用。
上一篇文章介绍了如何使用OpenCV绘制各类几何图形,包括cv2.line()、v2.circle()、cv2.rectangle()、cv2.ellipse()、cv2.polylines()、cv2.putText()函数。这篇文章将详细讲解图像算法运算与逻辑运算,包括图像加法、图像减法、图像与运算、图像或运算、图像非运算与图像异或运算。让我们来对比下这些运算在图像中能实现什么样的效果。希望文章对您有所帮助,如果有不足之处,还请海涵。
下载地址:
前文赏析:
第一部分 基础语法
第二部分 网络爬虫
第三部分 数据分析和机器学习
- [Python从零到壹] 十九.可视化分析之热力图和箱图绘制及应用详解
- [Python从零到壹] 二十.可视化分析之Seaborn绘图万字详解
- [Python从零到壹] 二十一.可视化分析之Pyechart绘图万字详解
- [Python从零到壹] 二十二.可视化分析之OpenGL绘图万字详解
- [Python从零到壹] 二十三.十大机器学习算法之决策树分类分析详解(1)
- [Python从零到壹] 二十四.十大机器学习算法之KMeans聚类分析详解(2)
- [Python从零到壹] 二十五.十大机器学习算法之KNN算法及图像分类详解(3)
- [Python从零到壹] 二十六.十大机器学习算法之朴素贝叶斯算法及文本分类详解(4)
- [Python从零到壹] 二十七.十大机器学习算法之线性回归算法分析详解(5)
- [Python从零到壹] 二十八.十大机器学习算法之SVM算法分析详解(6)
- [Python从零到壹] 二十九.十大机器学习算法之随机森林算法分析详解(7)
- [Python从零到壹] 三十.十大机器学习算法之逻辑回归算法及恶意请求检测应用详解(8)
- [Python从零到壹] 三十一.十大机器学习算法之Boosting和AdaBoost应用详解(9)
- [Python从零到壹] 三十二.十大机器学习算法之层次聚类和树状图聚类应用详解(10)
第四部分 Python图像处理基础
- [Python从零到壹] 三十三.图像处理基础篇之什么是图像处理和OpenCV配置
- [Python从零到壹] 三十四.OpenCV入门详解——显示读取修改及保存图像
- [Python从零到壹] 三十五.图像处理基础篇之OpenCV绘制各类几何图形
- [Python从零到壹] 三十六.图像处理基础篇之图像算术与逻辑运算详解
第五部分 Python图像运算和图像增强
第六部分 Python图像识别和图像处理经典案例
第七部分 NLP与文本挖掘
第八部分 人工智能入门知识
第九部分 网络攻防与AI安全
第十部分 知识图谱构建实战
扩展部分 人工智能高级案例
图像加法运算主要有两种方法。第一种是调用Numpy库实现,目标图像像素为两张图像的像素之和;第二种是通过OpenCV调用add()函数实现。第二种方法的函数原型如下:
- dst = add(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
– 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。
– dtype表示输出数组的可选深度
注意,当两幅图像的像素值相加结果小于等于255时,则输出图像直接赋值该结果,如120+48赋值为168;如果相加值大于255,则输出图像的像素结果设置为255,如(255+64) 赋值为255。下面的代码实现了图像加法运算。
#coding:utf-8
# By:Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.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4-1所示,左边为“小珞珞”的原始图像,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:
- 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
– 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。
– dtype表示输出数组的可选深度
具体实现代码如下所示:
#coding:utf-8
# By:Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.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4-2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。
- 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。
#coding:utf-8
# By:Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.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)), 100, 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4-3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377×326。注意,两张图像的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:
- 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。
#coding:utf-8
# By:Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
#获取图像宽和高
rows, cols = img.shape[:2]
#画圆形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
#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4-4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。
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。
#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4-5所示。
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。
#coding:utf-8
# By:Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
#获取图像宽和高
rows, cols = img.shape[:2]
#画圆形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
#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4-6所示。
本文详细介绍了图像处理的算术运算与逻辑运算,包括图像加法、图像减法、图像与运算、图像或运算、图像非运算与图像异或运算,并以“小珞珞”图像为案例进行讲解,希望对您有所帮助。
感谢在求学路上的同行者,不负遇见,勿忘初心。图像处理系列主要包括三部分,分别是:
这周的留言感慨~
十二年CSDN的博客分享,如果要说分享最让我开心的是什么?不是传道,不是授业,也不是解惑,而是接下来这类事。这些年已经陆续鼓励了一些朋友当老师,而昨天得知这一位博友真的去到新疆南疆成为了一名小学老师,我很是感动,是真的感动,六年前我曾鼓励他如果想,就放弃高额工资的互联网大厂,去做自己想做的,没想到已经当了四年老师。又当爹又当妈,国语普及,文化教育,这里面的艰辛不是一两句道得清,除了佩服就是鼓励。
正如你说的一样,“一辈子总得做点有意义的事情,生命实在太短暂,一定要活得积极、正面”。或许,这也是我在CSDN分享博客的最大意义,再比如云南那位老友的留言,“农村的孩子下雨没有伞,只能拼命奔跑”,希望你以后也能成为一名教师,感恩有你们,感谢有你们。我也希望自己早日毕业回到家乡,花上三四十年做好两件事,一是认真教书,二是将少数民族文物抢救和文字语音保护做好,也鼓励更多人一起加入进来。自己虽然很菜吧,但还是有一些喜欢的事,尤其陪伴爱的人,挺好,爱你们喔。2022年继续加油,在CSDN分享更高质量的博客和专栏。
感谢在求学路上的同行者,不负遇见,勿忘初心。
感恩能与大家在华为云遇见!
希望能与大家一起在华为云社区共同成长,原文地址:https://blog.csdn.net/Eastmount/article/details/122692101
(By:娜璋之家 Eastmount 2022-03-09 夜于武汉)
- 点赞
- 收藏
- 关注作者
评论(0)