介绍
还记得你在小学时学习如何加减数字吗？现在，你也可以对图像做同样的事情!
输入图像可以进行算术运算，例如加法、减法和按位运算（AND、OR、NOT、XOR）。这些操作可以帮助提高输入照片的质量。
在本文中，你将了解使用 OpenCV Python 包对图像执行算术和按位运算的步骤。让我们开始吧！
对图像进行算术运算是什么意思？
因此，假设我们希望合并两张单独的照片中的两个像素。我们怎样才能将它们合并？
让我们想象以下场景。第一个像素的颜色强度为 (200, 0, 0)，而第二个像素的颜色强度为 (100, 0, 0)。如果我们只是将这些值相加，我们得到 (300, 0, 0)。这在处理 RGB 图像时是完全可能的。
那么，我们如何在 Python 中解决这个问题呢？
该解决方案附带实现了 cv2.add() 和 cv2.subtract() 函数的 OpenCV 库。
要执行这些操作，你必须在系统上安装 OpenCV Python 库。
算术运算：图像相加
使用 cv2.add() 函数，我们可以添加两个图像。cv2.add() 将两个图像中的图片像素相加。执行此操作时要记住的一件事是，两个图像应该具有相同的深度和类型，或者第二个图像可以只是一个标量值。
这个函数的语法是：cv2.add(img1, img2)
对于这个博客，我们将考虑以下两张图片来将两张图片相加。
在进行算术运算之前，你必须知道如何读取和显示加载的图像。
现在，按照下面的代码片段阅读，执行两个图像的添加，最后显示添加的图像。
import cv2
img1 = cv2.imread("image1_add.jpg", 1)
#or
#img1 = cv2.imread("C:UsersAdminDownloadsimage1_add.jpg", 1)
cv2.imshow("Image 1", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
img2 = cv2.imread("image2_add.jpg", 1)
#or
#img2 = cv2.imread("C:UsersAdminDownloadsimage2_add.jpg", 1)
cv2.imshow("Image 2", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
# Add the images
added_img = cv2.add(img1, img2)
cv2.imshow("Added Image", added_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
从上面的代码片段中添加的图像如下：
这只是简单的添加。我们可以使用另一个名为 cv2.addWeighted 的函数来混合图像。这类似于图像添加，但图像被赋予不同的权重以产生混合或透明的错觉。
这个函数的语法是：cv2.addWeighted(img1, wt1, img2, wt2, gammaValue)
按照下面的代码片段对两个图像执行加权加法。
import cv2
img1 = cv2.imread("image1_add.jpg", 1)
#or
#img1 = cv2.imread("C:UsersAdminDownloadsimage1_add.jpg", 1)
cv2.imshow("Image 1", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
img2 = cv2.imread("image2_add.jpg", 1)
#or
#img2 = cv2.imread("C:UsersAdminDownloadsimage2_add.jpg", 1)
cv2.imshow("Image 2", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
#Addition - weighted addition
added_wt_img = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)
cv2.imshow("Added Weight Image", added_wt_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
加权加法的输出如下：
在这里，拍摄了两张图像将它们混合在一起。第一张图片的权重为 0.6，第二张图片的权重为 0.4。你可以根据需要更改图像的权重！
算术运算：图像减法
就像两个图像相加一样，你可以减去两个图像。这可以使用 cv2.subtract() 函数来完成。请注意，要减去的图像必须具有相同的大小和深度。
这个函数的语法是：cv2.subtract(src1, src2)
下面的代码片段显示了如何减去两个图像。已经减去了之前使用的图像（我们在加法中使用的图像）。
import cv2
img1 = cv2.imread("image1_add.jpg", 1)
#or
#img1 = cv2.imread("C:UsersAdminDownloadsimage1_add.jpg", 1)
cv2.imshow("Image 1", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
img2 = cv2.imread("image2_add.jpg", 1)
#or
#img2 = cv2.imread("C:UsersAdminDownloadsimage2_add.jpg", 1)
cv2.imshow("Image 2", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
sub_img = cv2.subtract(img1, img2)
cv2.imshow("Subtracted Image", sub_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
减去的图像如下：
还尝试减去两个更简单的图像以使其更易于理解。使用的两张图片是：
减去的输出是：
既然我们已经了解了如何对图像执行算术运算，我们将继续对图像进行按位运算。
位运算
当我们只需要提取图像所需的元素时，我们会使用按位运算。
这些按位技术用于各种计算机视觉应用，例如创建图像蒙版、将水印应用于图像以及创建新图像。与 OpenCV 中的其他变形方法相比，这些操作对图像中的单个像素起作用，以产生更准确的结果。
图像上的 And、Or 和 Not 操作
在开始之前，假设你熟悉三个基本的位运算符：AND、OR、NOT。
OpenCV 包括用于执行与、或和非操作的内置函数。它们是按位与、按位或和按位非。考虑下面的两张黑白图像。现在让我们将这三个操作应用于这两个图像，看看会发生什么。
import cv2
#read the images
img1 = cv2.imread("bitwise_image_1.jpg")
img2 = cv2.imread("bitwise_image_2.jpg")
bitwise_AND = cv2.bitwise_and(img1, img2)
bitwise_OR = cv2.bitwise_or(img1, img2)
bitwise_NOT = cv2.bitwise_not(img1)
cv2.imshow("img1", img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imshow("img2", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imshow("AND", bitwise_AND)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imshow("OR", bitwise_OR)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imshow("NOT", bitwise_NOT)
cv2.waitKey(0)
cv2.destroyAllWindows()
上述代码段的输出将如下所示：
希望你已经学会了如何使用 OpenCV 对图像进行算术和按位运算。
以上就是Python中图像算术运算的示例详解的详细内容，更多关于Python图像算术运算的资料请关注服务器之家其它相关文章！
原文地址：https://blog.csdn.net/woshicver/article/details/124564633
