OpenCV轻松入门_面向python（第三章图像运算）

3.1图像的加法运算

3.1.1加号运算符

使用加号运算符"+"对图像 a（像素值为 a）和图像 b（像素值为 b）进行求和运算 时，遵循以下规则：
a+b={a+b,if a+b≤255mod⁡(a+b,256),if a+b>255 a + b = \begin{cases} a + b, & \text{if } a + b \leq 255 \\ \operatorname{mod}(a + b, 256), & \text{if } a + b > 255 \end{cases} a+b={a+b,mod(a+b,256),if a+b≤255if a+b>255
矩阵对位相加

如果两个图像对应像素值的和小于或等于 255,则直接相加得到运算结果。例如，像素值 28 和像素值 36 相加，得到计算结果 64。

如果两个图像对应像素值的和大于 255,则将运算结果对 256 取模。例如， 255+58=313,大于 255,则计算(255+58)%256=57,得到计算结果57。

import numpy as np
img1=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
img2=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
print("img1=\n",img1)
print("img2=\n",img2)
print("img1+img2=\n",img1+img2)

3.1.2cv2.add()函数

函数 cv2.add()可以用来计算图像像素值相加的和，其语法格式为：
计算结果=cv2.add(像素值 a,像素值 b)

需要注意，函数 cv2.add()中的参数可能有如下三种形式。

• 形式 1：计算结果=cv2.add(图像 1,图像 2)，两个参数都是图像，此时参与运算的图像大小和类型必须保持一致。
• 形式 2：计算结果=cv2.add(数值,图像)，第 1 个参数是数值，第 2 个参数是图像，此时将超过 图像饱和值的数值处理为饱和值（最大值）。
• 形式 3：计算结果=cv2.add(图像,数值)，第 1 个参数是图像，第 2 个参数是数值，此时将超过图像饱和值的数值处理为饱和值（最大值）。

#形式1
import numpy as np
import cv2
img1=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
img2=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
print("img1=\n",img1)
print("img2=\n",img2)
img3=cv2.add(img1,img2)
print("cv2.add(img1,img2)=\n",img3)

3.2图像加权和

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，可以用公式表示为：
dst = saturate(src1 × 𝛼 + src2 × 𝛽 + 𝛾)

saturate()表示取饱和值（最大值） 。图像进行加权和计算时，要求 src1 和 src2 必须大小、类型相同。

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)

数组演示函数 cv2.addWeighted()的使用。

import numpy as np
import cv2
img1 = np.ones((3,4),dtype=np.uint8)*100
img2 = np.ones((3,4),dtype=np.uint8)*10
gamma=3
#将调节亮度参数 gamma 的值设置为 3。
img3 = cv2.addWeighted(img1,0.6,img2,5,gamma)
#计算"img1×0.6+img2×5+3"的混合值。
print(img3)

使用函数 cv2.addWeighted()对两幅图像进行加权混合

import cv2
import numpy as np
a=cv2.imread("duo.webp")
b=cv2.imread("duo.webp")
result=cv2.addWeighted(a,0.6,b,0.4,0)
cv2.imshow("suo",a)
cv2.imshow("duo",b)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

使用函数 cv2.addWeighted()将一幅图像的 ROI 混合在另外一幅图像内。

import cv2
lena=cv2.imread("lena.jpg",cv2.IMREAD_UNCHANGED)
dollar=cv2.imread("lan.jpg",cv2.IMREAD_UNCHANGED)
cv2.imshow("lena",lena)
cv2.imshow("dollar",dollar)
face1=lena[220:400,250:350]
face2=dollar[160:340,200:300]
add=cv2.addWeighted(face1,0.6,face2,0.4,0)
dollar[160:340,200:300]=add
cv2.imshow("result",dollar)
cv2.waitKey()
cv2.destroyAllWindows()

3.3按位逻辑运算

3.3.1按位与运算<且运算>

在 OpenCV 中，可以使用 cv2.bitwise_and()函数来实现按位与运算，其语法格式为：
dst = cv2.bitwise_and( src1, src2[, mask]] )

dst 表示与输入值具有同样大小的 array 输出值。

src1 表示第一个 array 或 scalar 类型的输入值。

src2 表示第二个 array 或 scalar 类型的输入值。

mask 表示可选操作掩码，8 位单通道 array。
与运算：

使用数组演示与掩模图像的按位与运算

import cv2
import numpy as np
a=np.random.randint(0,255,(5,5),dtype=np.uint8)
b=np.zeros((5,5),dtype=np.uint8)
b[0:3,0:3]=255
b[4,4]=255
c=cv2.bitwise_and(a,b)
print("a=\n",a)
print("b=\n",b)
print("c=\n",c)

构造一个掩模图像，使用按位与运算保留图像中被掩模指定的部分。

import cv2
import numpy as np
a=cv2.imread("lan.jpg",0)
b=np.zeros(a.shape,dtype=np.uint8)
b[100:400,200:400]=255
b[100:500,100:200]=255
c=cv2.bitwise_and(a,b)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.imshow("c",c)
cv2.waitKey()
cv2.destroyAllWindows()

3.3.2 按位或运算<或运算>

OpenCV 中，可以使用 cv2.bitwise_or()函数来实现按位或运算，其语法格式为：
dst = cv2.bitwise_or( src1, src2[, mask]] )

式中：

dst 表示与输入值具有同样大小的 array 输出值。

src1 表示第一个 array 或 scalar 类型的输入值。

src2 表示第二个 array 或 scalar 类型的输入值。

mask 表示可选操作掩码，8 位单通道 array 值。

或运算：

3.3.3 按位非运算<非运算（取反）>

在 OpenCV 中，可以使用函数 cv2.bitwise_not()来实现按位取反操作，其语法格式为：
dst = cv2.bitwise_not( src[, mask]] )

式中：

dst 表示与输入值具有同样大小的 array 输出值。

src 表示 array 类型的输入值。

mask 表示可选操作掩码，8 位单通道 array 值。
非运算：

3.3.4 按位异或运算<异或运算>

在 OpenCV 中，可以使用函数 cv2.bitwise_xor()来实现按位异或运算，其语法格式为：
dst = cv2.bitwise_xor( src1, src2[, mask]] )

式中：

dst 表示与输入值具有同样大小的 array 输出值。

src1 表示第一个 array 或 scalar 类型的输入值。

src2 表示第二个 array 或 scalar 类型的输入值。

mask 表示可选操作掩码，8 位单通道 array 值。

3.4掩膜

OpenCV 中的很多函数都会指定一个掩模，也被称为掩码，例如：
计算结果=cv2.add(参数 1 , 参数 2 , 掩模)

掩码的使用

import cv2
import numpy as np
img1=np.ones((4,4),dtype=np.uint8)*3
img2=np.ones((4,4),dtype=np.uint8)*5
mask=np.zeros((4,4),dtype=np.uint8)  #zeros
mask[2:4,2:4]=1
img3=np.ones((4,4),dtype=np.uint8)*66
print("img1=\n",img1)
print("img2=\n",img2)
print("mask=\n",mask)
print("初始值 img3=\n",img3)
img3=cv2.add(img1,img2,mask=mask)
print("求和后 img3=\n",img3)

3.5 图像与数值的运算

图像与数值的运算

import numpy as np
import cv2
img1=np.ones((4,4),dtype=np.uint8)*3
img2=np.ones((4,4),dtype=np.uint8)*5
print("img1=\n",img1)
print("img2=\n",img2)
img3=cv2.add(img1,img2)
print("cv2.add(img1,img2)=\n",img3)
img4=cv2.add(img1,6)
print("cv2.add(img1,6)\n",img4)
img5=cv2.add(6,img2)
print("cv2.add(6,img2)=\n",img5)

3.6 位平面分解

位平面分解:

将灰度图像中处于同一比特位上的二进制像素值进行组合，得到一幅二进制值图像，该图像被称为灰度图像的一个位平面。

在 8 位灰度图中，每一个像素使用 8 位二进制值来表示，其值的范围在[0,255]之间。可以将其中的值表示为：
value=a7⋅27+a6⋅26+a5⋅25+a4⋅24+a3⋅23+a2⋅22+a1⋅21+a0⋅20value = a_7 \cdot 2^{7} + a_6 \cdot 2^{6} + a_5 \cdot 2^{5} + a_4 \cdot 2^{4} + a_3 \cdot 2^{3} + a_2 \cdot 2^{2} + a_1 \cdot 2^{1} + a_0 \cdot 2^{0}value=a7⋅27+a6⋅26+a5⋅25+a4⋅24+a3⋅23+a2⋅22+a1⋅21+a0⋅20
aia_iai的可能值为 0 或 1。可以看出，各个aia_iai的权重是不一样的，a7a_7a7的权重最高，a0a_0a0的权重最低。这代表a7a_7a7的值对图像的影响最大，而a0a_0a0的值对图像的影响最小。

针对 RGB 图像，如果将 R 通道、G 通道、B 通道中的每一个通道对应的位平面进行合并，即可组成新的 RGB 彩色图像。例如，针对一幅 RGB 图像，将其 R 通道的第 3 个位平面、G 通道的第 3 个位平面、B 通道的第 3 个位平面进行合并，则可以构成一幅新的 RGB 彩色图像，我们称之为原始图像的第 3 个位平面。

位平面分解的具体步骤：

• 1.图像预处理
  读取原始图像 O，获取原始图像 O 的宽度 M 和高度 N。
• 2.构造提取矩阵
  建立一个值均为 2n2^{n}2n的 Mat 作为提取矩阵（数组），用来与原始图像进行按位与运算，以提取第 nnn个位平面。

• 3．提取位平面
  将灰度图像与提取矩阵进行按位与运算，得到各个位平面。
• 4．阈值处理
  通过计算得到的位平面是一个二值图像,也就是说，每次提取位平面后，要想让二值位平面能够以黑白颜色显示出来，就要将得到的二值位平面进行阈值处理，将其中大于零的值处理为 255。
• 5．显示图像

灰度图像的各个位平面。

import cv2
import numpy as np
lena=cv2.imread("lan.jpg",0)
cv2.imshow("lena",lena)
r,c=lena.shape
x=np.zeros((r,c,8),dtype=np.uint8)
for i in range(8):
    x[:,:,i]=2**i
r=np.zeros((r,c,8),dtype=np.uint8)
for i in range(8):
    r[:,:,i]=cv2.bitwise_and(lena, x[:,:,i])
    mask=r[:,:,i]>0
    r[mask]=255
    cv2.imshow(str(i),r[:,:,i])
cv2.waitKey()
cv2.destroyAllWindows()、

• 图(a)是原始 lena 图像。
• 图(b)是第 0 个位平面，第 0 个位平面位于 8 位二进制值的最低位，其权重最低，对像素值的影响最小，与 lena 图像的相关度也最低，所以显示出来的是一幅杂乱无章的图像。
• 图©是第 1 个位平面。
• 图(d)是第 2 个位平面。
• 图(e)是第 3 个位平面。
• 图(f)是第 4 个位平面。
• 图(g)是第 5 个位平面。
• 图(h)是第 6 个位平面。
• 图(i)是第 7 个位平面，第 7 个位平面位于 8 位二进制值的最高位，其对像素值的影响最大。第 7 位二进制值在 8 位二进制数中权重最高，与 lena 图像的相关度最高。所以，第 7 个位平面是与原始图像最接近的二值图像。

3.7 图像加密和解密

通过对原始图像与密钥图像进行按位异或，可以实现加密；将加密后的图像与密钥图像再次进行按位异或，可以实现解密。

根据按位异或运算的规则，假设：
xor(a,b)=c

则可以得到：
xor(c,b)=a
xor(c,a)=b

• a：明文，原始数据。
• b：密钥。
• c：密文，通过 xor(a,b)实现。
• 加密过程 ：将明文 a 与密钥 b 进行按位异或xor(a,b)，完成加密，得到密文 c。
• 解密过程 ：将密文 c 与密钥 b 进行按位异或xor(c,b)，完成解密，得到明文 a。

import cv2
import numpy as np
lena  = cv2.imread("lan.jpg",0)
r,c=lena.shape
key = np.random.randint(0,256,size=[r,c],dtype=np.uint8)
encryption = cv2.bitwise_xor(lena,key)
decryption = cv2.bitwise_xor(key,encryption)
cv2.imshow("lena",lena)
cv2.imshow("key",key)
cv2.imshow("encryption",encryption)
cv2.imshow("decryption",decryption)
cv2.waitKey()
cv2.destroyAllWindows()

3.8数字水印

最低有效位（Least Significant Bit，LSB） 指的是一个二进制数中的第 0 位（即最低位）。最低有效位信息隐藏 指的是，将一个需要隐藏的二值图像信息嵌入载体图像的最低有效位，即将载体图像的最低有效位层替换为当前需要隐藏的二值图像，从而实现将二值图像隐藏的目的 。由于二值图像处于载体图像的最低有效位上，所以对于载体图像的影响非常不明显，其具有较高的隐蔽性。在必要时直接将载体图像的最低有效位层提取出来，即可得到嵌入在该位上的二值图像，达到提取秘密信息的目的。这种信息隐藏也被称为数字水印。

数字水印的处理过程分为下面两步：

• 嵌入过程 ：将载体图像的第 0 个位平面替换为数字水印信息（一幅二值图像）。
  • 原始载体图像预处理
    将载体图像处理为二进制形式，并标记出最低有效位。
  • 水印图像处理
    在嵌入水印前，需要将水印信息处理为二值图像。
  • 嵌入水印
    将载体图像的最低有效位替换为二进制水印图像，完成水印的嵌入。
• 提取过程 ：
  将载体图像的最低有效位所构成的第 0 个位平面提取出来，得到数字水印信息。将水印信息从包含水印信息的载体图像内提取出来的过程。提取水印时，先将含水印载体图像的像素值转换为二进制形式，然后从其最低有效位提取出水印信息即可。因此，可以通过提取含水印载体图像的"最低有效位"位平面的方式来得到水印信息。

模拟数字水印的嵌入和提取过程。

import cv2
import numpy as np
#读取原始载体图像
lena=cv2.imread("lena.bmp",0)
#读取水印图像
watermark=cv2.imread("watermark.bmp",0)
#将水印图像内的值 255 处理为 1，以方便嵌入
#后续章节会介绍使用 threshold 处理
w=watermark[:,:]>0
watermark[w]=1
#读取原始载体图像的 shape 值
r,c=lena.shape
#============嵌入过程============
#生成元素值都是 254 的数组
t254=np.ones((r,c),dtype=np.uint8)*254
#获取 lena 图像的高七位
lenaH7=cv2.bitwise_and(lena,t254)
#将 watermark 嵌入 lenaH7 内
e=cv2.bitwise_or(lenaH7,watermark)
#============提取过程============
#生成元素值都是 1 的数组
t1=np.ones((r,c),dtype=np.uint8)
#从载体图像内提取水印图像
wm=cv2.bitwise_and(e,t1)
print(wm)
#将水印图像内的值 1 处理为 255，以方便显示
#后续章节会介绍使用 threshold 实现
w=wm[:,:]>0
wm[w]=255
#============显示============
cv2.imshow("lena",lena)
cv2.imshow("watermark",watermark*255) #当前 watermark 内最大值为 1
cv2.imshow("e",e)
cv2.imshow("wm",wm)
cv2.waitKey()
cv2.destroyAllWindows()