OpenCV 图像像素的算术操作

清醒的兰2025-06-03 3:01

一、知识点
1、operator+

(1)、MatExpr operator + (const Mat & a, const Mat & b);

a、a和b的行数、列数、通道数得相同。

b、a和b的每个像素的每个通道值分别相加。

(2)、MatExpr operator + (const Mat & a, const Scalar & s);

a、若a的通道数和s的标量数相同，则a每个像素的每个通道值和s的每个标量数分别相加。

b、若a的通道数和s的标量数不同，则a每个像素的前几个通道值和s的前几个标量数分别相加。

(3)、MatExpr operator + (const Scalar & s, const Mat & a);

a、若s的标量数和a的通道数相同，则s的每个标量数和a每个像素的每个通道值分别相加。

b、若s的标量数和a的通道数不同，则s的前几个标量数和a每个像素的前几个通道值分别相加。

2、operator-

(1)、MatExpr operator - (const Mat & a, const Mat & b);

a、a和b的行数、列数、通道数得相同。

b、a和b的每个像素的每个通道值分别相减。

(2)、MatExpr operator - (const Mat & a, const Scalar & s);

a、若a的通道数和s的标量数相同，则a每个像素的每个通道值和s的每个标量数分别相减;

b、若a的通道数和s的标量数不同，则a每个像素的前几个通道值和s的前几个标量数分别相减。

(3)、MatExpr operator - (const Scalar & s, const Mat & a);

a、若s的标量数和a的通道数相同，则s的每个标量数和a每个像素的每个通道值分别相减;

b、若s的标量数和a的通道数不同，则s的前几个标量数和a每个像素的前几个通道值分别相减。

3、operator*

(1)、MatExpr operator * (const Mat & a, const Mat & b);

a、a和b矩阵点乘。

b、a的列数和b的行数得相同。

c、a和b的数据类型只能是CV_32FC1、CV_64FC1、CV_32FC2、CV_64FC2中的一种，其它类型如CV_8UC1，编译器会报错。

(2)、MatExpr operator * (const Mat & a, double s);

a、a的每个像素的每个通道值分别和s相乘。

(3)、MatExpr operator * (double s, const Mat & a);

a、s和a的每个像素的每个通道值分别相乘。

4、operator/

(1)、MatExpr operator / (const Mat & a, const Mat & b);

a、a和b的行数、列数、通道数得相同。

b、a和b的每个像素的每个通道值分别相除。

(2)、MatExpr operator / (const Mat & a, double s);

a、a的每个像素的每个通道值除以s。

(3)、MatExpr operator / (double s, const Mat & a);

a、s除以a的每个像素的每个通道值。

5、add()

(1)、void add(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray(), int dtype = -1);

(2)、参数说明:

src1: 第1个输入数组，通常是Mat对象。

src2: 第2个输入数组，通常是Mat对象。

dst: 输出数组，src1和src2逐元素相加后的结果。

mask: 掩码数组，用于指定哪些元素做加法操作。 默认为noArray()，则对所有元素进行操作。

dtype: 输出数组的数据类型，默认值-1，表示输出数组与输入数组的数据类型相同。

(3)、src1和src2的每个像素的每个通道值都会独立相加，所以src1和src2的行、列、通道数要相同。

6、subtract()

(1)、void subtract(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray(), int dtype = -1);

(2)、参数说明:

src1: 第1个输入数组，通常是Mat对象。

src2: 第2个输入数组，通常是Mat对象。

dst: 输出数组，src1和src2逐元素相减后的结果。

mask: 掩码数组，用于指定哪些元素做减法操作。 默认为noArray()，则对所有元素进行操作。

dtype: 输出数组的数据类型，默认值-1，表示输出数组与输入数组的数据类型相同。

(3)、src1和src2的每个像素的每个通道值都会独立相减，所以src1和src2的行、列、通道数要相同。

7、multiply()

(1)、void multiply(InputArray src1, InputArray src2, OutputArray dst, double scale = 1, int dtype = -1);

(2)、参数说明:

src1: 第1个输入数组，通常是Mat对象。

src2: 第2个输入数组，通常是Mat对象。

dst: 输出数组，src1和src2逐元素相乘后的结果。

scale: 缩放因子，结果会被此因子缩放，默认值1。

dtype: 输出数组的数据类型，默认值-1，表示输出数组与输入数组的数据类型相同。

(3)、src1和src2的每个像素的每个通道值都会独立相乘，所以src1和src2的行、列、通道数要相同。

8、divide()

(1)、void divide(InputArray src1, InputArray src2, OutputArray dst, double scale = 1, int dtype = -1);

(2)、参数说明:

src1: 第1个输入数组，通常是Mat对象。

src2: 第2个输入数组，通常是Mat对象。

dst: 输出数组，src1和src2逐元素相除后的结果。

scale: 缩放因子，结果会被此因子缩放，默认值1。

dtype: 输出数组的数据类型，默认值-1，表示输出数组与输入数组的数据类型相同。

(3)、src1和src2的每个像素的每个通道值都会独立相除，所以src1和src2的行、列、通道数要相同。

9、注意: 有些结果数据因超过数据类型的最大范围，会被截断。 如数据类型8U，则数据300就只能被截断为255。

10、saturate_cast:

(1)、template<typename _Tp>

_Tp saturate_cast(ArgType v);

(2)、将一个值v转换为_Tp类型的值，并确保转换过程中值不会超出_Tp取值范围。

二、示例代码和输出结果:

cpp 复制代码 
#include <iostream>
#include <opencv2/opencv.hpp>


int main()
{
    cv::Mat m1(3, 3, CV_8UC3, cv::Scalar(20, 40, 30));
    cv::Mat m2(3, 3, CV_8UC3, cv::Scalar(10, 20, 15));
    std::cout << "m1:" << std::endl << m1 << std::endl;
    std::cout << "m2:" << std::endl << m2 << std::endl;
    cv::Mat m3 = cv::Mat::ones(3, 3, CV_32FC1);
    cv::Mat m4 = cv::Mat::ones(3, 3, CV_32FC1);
    m3.at<float>(1, 1) = 30;
    m4.at<float>(1, 1) = 5;
    m3.at<float>(0, 2) = 24;
    m4.at<float>(0, 2) = 6;
    std::cout << "m3:" << std::endl << m3 << std::endl;
    std::cout << "m4:" << std::endl << m4 << std::endl;

    cv::Scalar s1(10, 11, 12);
    cv::Scalar s2(100, 110, 120);

    //MatExpr operator + (const Mat & a, const Mat & b);
    cv::Mat dst1 = m1 + m2;
    std::cout << "dst1:" << std::endl << dst1 << std::endl;

    //MatExpr operator + (const Mat & a, const Scalar & s);
    cv::Mat dst2 = m1 + s1;
    std::cout << "dst2:" << std::endl << dst2 << std::endl;

    //MatExpr operator + (const Scalar & s, const Mat & a);
    cv::Mat dst3 = s1 + m1;
    std::cout << "dst3:" << std::endl << dst3 << std::endl;

    //MatExpr operator - (const Mat & a, const Mat & b);
    cv::Mat dst4 = m1 - m2;
    std::cout << "dst4:" << std::endl << dst4 << std::endl;

    //MatExpr operator - (const Mat & a, const Scalar & s);
    cv::Mat dst5 = m1 - s1;
    std::cout << "dst5:" << std::endl << dst5 << std::endl;

    //MatExpr operator - (const Scalar & s, const Mat & a);
    cv::Mat dst6 = s2 - m1;
    std::cout << "dst6:" << std::endl << dst6 << std::endl;

    //MatExpr operator * (const Mat & a, const Mat & b); 
    cv::Mat dst7 = m3 * m4;
    std::cout << "dst7:" << std::endl << dst7 << std::endl;

    //MatExpr operator * (const Mat & a, double s);
    cv::Mat dst8 = m1 * 2;
    std::cout << "dst8:" << std::endl << dst8 << std::endl;

    //MatExpr operator * (double s, const Mat & a);
    cv::Mat dst9 = 2 * m1;
    std::cout << "dst9:" << std::endl << dst9 << std::endl;

    //MatExpr operator / (const Mat & a, const Mat & b);
    cv::Mat dst10 = m3 / m4;
    std::cout << "dst10:" << std::endl << dst10 << std::endl;

    //MatExpr operator / (const Mat & a, double s);
    cv::Mat dst11 = m1 / 10;
    std::cout << "dst11:" << std::endl << dst11 << std::endl;

    //MatExpr operator / (double s, const Mat & a);
    cv::Mat dst12 = 240 / m1;
    std::cout << "dst12:" << std::endl << dst12 << std::endl;

    //void add(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray(), int dtype = -1);
    cv::Mat dst13;
    cv::add(m1, m2, dst13);
    std::cout << "dst13:" << std::endl << dst13 << std::endl;

    //void subtract(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray(), int dtype = -1);
    cv::Mat dst14;
    cv::subtract(m1, m2, dst14);
    std::cout << "dst14:" << std::endl << dst14 << std::endl;

    //void multiply(InputArray src1, InputArray src2, OutputArray dst, double scale = 1, int dtype = -1);
    cv::Mat dst15;
    cv::multiply(m3, m4, dst15);
    std::cout << "dst15:" << std::endl << dst15 << std::endl;

    //void divide(InputArray src1, InputArray src2, OutputArray dst, double scale = 1, int dtype = -1);
    cv::Mat dst16;
    cv::divide(m1, m2, dst16);
    std::cout << "dst16:" << std::endl << dst16 << std::endl;

    //saturate_cast
    int dst17 = cv::saturate_cast<uchar>(310);
    std::cout << "dst17:" << std::endl << dst17 << std::endl;

    system("pause");
    return 0;
}

输出结果:
m1:
[ 20,  40,  30,  20,  40,  30,  20,  40,  30;
  20,  40,  30,  20,  40,  30,  20,  40,  30;
  20,  40,  30,  20,  40,  30,  20,  40,  30]
m2:
[ 10,  20,  15,  10,  20,  15,  10,  20,  15;
  10,  20,  15,  10,  20,  15,  10,  20,  15;
  10,  20,  15,  10,  20,  15,  10,  20,  15]
m3:
[1, 1, 24;
 1, 30, 1;
 1, 1, 1]
m4:
[1, 1, 6;
 1, 5, 1;
 1, 1, 1]
dst1:
[ 30,  60,  45,  30,  60,  45,  30,  60,  45;
  30,  60,  45,  30,  60,  45,  30,  60,  45;
  30,  60,  45,  30,  60,  45,  30,  60,  45]
dst2:
[ 30,  51,  42,  30,  51,  42,  30,  51,  42;
  30,  51,  42,  30,  51,  42,  30,  51,  42;
  30,  51,  42,  30,  51,  42,  30,  51,  42]
dst3:
[ 30,  51,  42,  30,  51,  42,  30,  51,  42;
  30,  51,  42,  30,  51,  42,  30,  51,  42;
  30,  51,  42,  30,  51,  42,  30,  51,  42]
dst4:
[ 10,  20,  15,  10,  20,  15,  10,  20,  15;
  10,  20,  15,  10,  20,  15,  10,  20,  15;
  10,  20,  15,  10,  20,  15,  10,  20,  15]
dst5:
[ 10,  29,  18,  10,  29,  18,  10,  29,  18;
  10,  29,  18,  10,  29,  18,  10,  29,  18;
  10,  29,  18,  10,  29,  18,  10,  29,  18]
dst6:
[ 80,  70,  90,  80,  70,  90,  80,  70,  90;
  80,  70,  90,  80,  70,  90,  80,  70,  90;
  80,  70,  90,  80,  70,  90,  80,  70,  90]
dst7:
[26, 30, 31;
 32, 152, 37;
 3, 7, 8]
dst8:
[ 40,  80,  60,  40,  80,  60,  40,  80,  60;
  40,  80,  60,  40,  80,  60,  40,  80,  60;
  40,  80,  60,  40,  80,  60,  40,  80,  60]
dst9:
[ 40,  80,  60,  40,  80,  60,  40,  80,  60;
  40,  80,  60,  40,  80,  60,  40,  80,  60;
  40,  80,  60,  40,  80,  60,  40,  80,  60]
dst10:
[1, 1, 4;
 1, 6, 1;
 1, 1, 1]
dst11:
[  2,   4,   3,   2,   4,   3,   2,   4,   3;
   2,   4,   3,   2,   4,   3,   2,   4,   3;
   2,   4,   3,   2,   4,   3,   2,   4,   3]
dst12:
[ 12,   6,   8,  12,   6,   8,  12,   6,   8;
  12,   6,   8,  12,   6,   8,  12,   6,   8;
  12,   6,   8,  12,   6,   8,  12,   6,   8]
dst13:
[ 30,  60,  45,  30,  60,  45,  30,  60,  45;
  30,  60,  45,  30,  60,  45,  30,  60,  45;
  30,  60,  45,  30,  60,  45,  30,  60,  45]
dst14:
[ 10,  20,  15,  10,  20,  15,  10,  20,  15;
  10,  20,  15,  10,  20,  15,  10,  20,  15;
  10,  20,  15,  10,  20,  15,  10,  20,  15]
dst15:
[1, 1, 144;
 1, 150, 1;
 1, 1, 1]
dst16:
[  2,   2,   2,   2,   2,   2,   2,   2,   2;
   2,   2,   2,   2,   2,   2,   2,   2,   2;
   2,   2,   2,   2,   2,   2,   2,   2,   2]
dst17:
255
相关推荐
凯禾瑞华现代家政3 分钟前
适老化场景重构：现代家政老年照护虚拟仿真实训室建设方案
人工智能·系统架构·虚拟现实
Wnq1007211 分钟前
通用人工智能 (AGI): 定义、挑战与未来展望
人工智能·agi
宋一诺3315 分钟前
机器学习——放回抽样
人工智能·机器学习
Ao00000043 分钟前
机器学习——主成分分析PCA
人工智能·机器学习
硅谷秋水1 小时前
Impromptu VLA：用于驾驶视觉-语言-动作模型的开放权重和开放数据
人工智能·机器学习·计算机视觉·语言模型·自动驾驶
TDengine （老段）1 小时前
TDengine 的 AI 应用实战——运维异常检测
大数据·数据库·人工智能·物联网·时序数据库·tdengine·涛思数据
jndingxin1 小时前
OpenCV CUDA模块霍夫变换------在 GPU 上执行概率霍夫变换检测图像中的线段端点类cv::cuda::HoughSegmentDetector
人工智能·opencv·计算机视觉
只有左边一个小酒窝1 小时前
（三）动手学线性神经网络：从数学原理到代码实现
人工智能·深度学习·神经网络
m0_726365831 小时前
2025年微信小程序开发：趋势、最佳实践与AI整合
人工智能·微信小程序·notepad++
jndingxin1 小时前
OpenCV CUDA模块图像处理------图像融合函数blendLinear()
图像处理·人工智能·opencv
热门推荐
01从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑02KGG转MP3工具|非KGM文件|解密音频03YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】04机器学习实验--- 金融数据基础与计算在线实验闯关05【SpeedAI科研小助手】2分钟极速解决知网维普重复率、AIGC率过高，一键全文降！文件格式不变，公式都保留的！06DeepSeek各版本说明与优缺点分析07wandb使用遇到的一些问题08【2025年最新】OpenWrt 更换国内源的指南（图形界面版)09组基轨迹建模 GBTM的介绍与实现（Stata 或 R）10【解决】Android Gradle Sync 报错 Could not read workspace metadata