计算机视觉——Opencv（基础操作二）

一、图像的运算

像素值加法（numpy 运算）

原理：基于 Numpy 数组的元素级运算，每个像素的 BGR 三个通道值分别参与运算

a = cv2.imread(r"C:\Users\LEGION\Desktop\OIP-C.webp")
b = cv2.imread(r"C:\Users\LEGION\Desktop\iron.jpg")
c = a+10
cv2.imshow('yuan',a)
cv2.imshow('a+10',c)
cv2.waitKey(0)

c = a[50:200,50:250]+b[50:200,50:250]
cv2.imshow('a+b',c)
cv2.waitKey(0)

注释：c=a+10，表示给a图像的所有像素值+10

c = a[50:200,50:250]+b[50:200,50:250]，表示参与运算的图像区域尺寸要完全相同

特点：属于模运算（溢出时取模），例如像素值250 + 10 = 260 → 260 % 256 = 4

运行结果：

图像加法（OpenCV 函数）

a = cv2.imread(r"C:\Users\LEGION\Desktop\OIP-C.webp")
b = cv2.imread(r"C:\Users\LEGION\Desktop\iron.jpg")
b = cv2.resize(b,(400,400))
a = cv2.resize(a,(400,400))
c = cv2.add(a,b)#也可以使用使用
cv2.imshow('a add b',c)
cv2.waitKey(0)
cv2.destroyAllWindows()

注释：与a + b类似，但属于饱和运算（溢出时取最大值 255）

区别：

• a + b：模运算（250 + 10 = 4）
• cv2.add(a, b)：饱和运算（250 + 10 = 255）

运行结果：

加权图像融合

c =cv2.addWeighted(a, 0.5,b, 0.5,10)#10:图像的亮度值(常数)，将添加到加权和上gamma:
cv2.imshow('addWeighted',c)
cv2.waitKey(0)
cv2.destroyAllWindows()

注释：

• 按权重融合两张图像，公式为：
  result = α×img1 + β×img2 + γ

• 参数：

  • a/b：输入图像（需尺寸和通道数相同）

  • 0.5/0.5：权重α和β（总和可不为 1，控制两张图像的占比）

  • 10：偏置项γ（对结果整体加一个常量，调整亮度）

运行结果：

二、图像的阈值处理

阈值处理的本质是像素灰度值的判断与重映射 ：设定一个阈值 T，将图像中每个像素的灰度值与 T 比较，根据比较结果赋予像素新的灰度值。OpenCV 的cv2.threshold()函数是实现这一功能的核心接口，其基本语法如下：

ret, dst = cv2.threshold(src, thresh, maxval, type)

参数说明：

• src：输入图像（必须是单通道灰度图）

• thresh：设定的阈值（本文以 175 为例）

• maxval：阈值处理的最大值（通常设为 255，即白色）

• type：阈值处理类型（核心参数，决定不同处理逻辑）

• ret：返回的阈值（手动设定时与输入阈值一致，自动阈值时为计算出的阈值）

• dst：处理后的输出图像

1. cv2.THRESH_BINARY（二进制阈值）

大于阈值的像素设为最大值（通常为 255，白色），小于设为0（黑色）

适用于文档识别、轮廓提取、简单物体分割；

偏白的变纯白，偏黑的变纯黑

2. cv2.THRESH_BINARY_INV（反二进制阈值）

与THRESH_BINARY完全相反，大于阈值的像素设为 0（黑色），小于等于阈值的设为最大值（255，白色）。

适用于背景分割、缺陷检测（突出暗部缺陷）

偏白的变纯黑，偏黑的变纯白

3. cv2.THRESH_TRUNC（截断阈值）

像素值大于阈值时，强制设为阈值本身；小于等于阈值时，保持原像素值不变

适用于降低图像亮度、抑制高光区域

白色变得一样灰蒙蒙，偏黑的不变

4.cv2.THRESH_TOZERO（阈值化为0）

像素值大于阈值时，保持原像素值；小于等于阈值时，设为 0（黑色）

适用于保留亮部细节，去除暗部噪声

偏白色不变，偏黑的就变纯黑

5.cv2.THRESH_TOZERO_INV（反阈值化为0）

与THRESH_TOZERO相反，像素值大于阈值时，设为 0（黑色）；小于等于阈值时，保持原像素值

适用于保留暗部细节，去除亮部干扰

偏白色变纯黑，偏黑的不变

代码如下：

image=cv2.imread(r"C:\Users\LEGION\Desktop\OIP-C.webp",0)
ret,binary=cv2.threshold(image,175,255,cv2.THRESH_BINARY)
ret1,binaryinv=cv2.threshold(image,175,255,cv2.THRESH_BINARY_INV)
ret2, trunc = cv2.threshold(image,175,255, cv2.THRESH_TRUNC)
ret3, tozero = cv2.threshold(image,175,255,cv2.THRESH_TOZERO)
ret4, tozeroinv = cv2.threshold(image,175,255,cv2.THRESH_TOZERO_INV)

    
# 3. 依次显示处理结果
cv2.imshow('原始灰度图', image)
cv2.waitKey(0)  # 按下任意键切换图像
cv2.imshow('THRESH_BINARY（二进制阈值）', binary)
cv2.waitKey(0)
cv2.imshow('THRESH_BINARY_INV（反二进制阈值）', binaryinv)
cv2.waitKey(0)
cv2.imshow('THRESH_TRUNC（截断阈值）', trunc)
cv2.waitKey(0)
cv2.imshow('THRESH_TOZERO（阈值化为0）', tozero)
cv2.waitKey(0)
cv2.imshow('THRESH_TOZERO_INV（反阈值化为0）', tozeroinv)
cv2.waitKey(0)
    
# 4. 释放资源（必做，避免内存泄漏）
cv2.destroyAllWindows()

运行结果：

三、图像的边界填充

首先导入 OpenCV 库并读取目标图像，通过copyMakeBorder函数实现填充，该函数的核心参数包括原图像、上下左右填充像素数、填充类型，以及常量填充时的颜色值：

cv2.copyMakeBorder(src, top, bottom, left, right, borderType, value=None)

参数详细说明

src：输入图像（numpy.ndarray类型），可以是单通道（灰度图）或多通道（如 RGB/BGR 彩色图）。

top：整数，指定图像顶部需要添加的边框像素数量。

bottom：整数，指定图像底部需要添加的边框像素数量。

left：整数，指定图像左侧需要添加的边框像素数量。

right：整数，指定图像右侧需要添加的边框像素数量。

borderType：边框填充方式的枚举值，决定了边框像素如何生成。

OpenCV 支持以下边框填充方式类型：

1.cv2.BORDER_WRAP：外包装填充）

边框像素从图像的对侧 "缠绕" 而来（类似平铺效果）。

2.cv2.BORDER_REFLECT_101：对称填充

与REFLECT类似，但反射以边缘像素为轴，包含边缘像素。

3.cv2.BORDER_REFLECT：反射填充

边框像素是原图边缘的镜像反射，不包含边缘像素本身的重复。

4.cv2.BORDER_REPLICATE：复制填充

边框像素由原图最边缘的像素复制而来

5.cv2.BORDER_CONSTANT：常数填充

边框像素使用指定的单一颜色填充，需配合value参数设置颜色（BGR 格式，如(255,0,0)表示蓝色）。

value：可选参数，仅当borderType=cv2.BORDER_CONSTANT时有效，指定边框的颜色值：

彩色图：BGR 三通道值（如(0,255,0)表示绿色）。

灰度图：单值（如128表示灰色）

返回值：添加边框后的新图像（numpy.ndarray类型），尺寸为：

(src.shape[0] + top + bottom, src.shape[1] + left + right, src.shape[2])（彩色图）

或 (src.shape[0] + top + bottom, src.shape[1] + left + right)（灰度图）

代码如下：

import cv2
ys = cv2.imread(r"C:\Users\LEGION\Desktop\OIP-C.webp")
# ys=cv2.resize(ys,dsize=None,fx=0.5,fy=0.5) #图片缩放
# ys=cv2.resize(ys,(640,480))
top,bottom,left,right = 50,50,50,50
constant = cv2.copyMakeBorder(ys, top,bottom, left,right, borderType=cv2.BORDER_CONSTANT, value=(229,25,80))
reflect = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT101)
replicate = cv2.copyMakeBorder(ys,top,bottom, left,right,borderType=cv2.BORDER_REPLICATE)
wrap = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2. BORDER_WRAP)
cv2.imshow( 'yuantu', ys)
cv2.waitKey(0)
cv2.imshow( 'CONSTANT', constant)
cv2.waitKey(0)
cv2.imshow('REFLECT', reflect)
cv2.waitKey(0)
cv2.imshow( 'REFLECT_101', reflect101)
cv2.waitKey(0)
cv2.imshow( 'REPLICATE', replicate)
cv2.waitKey(0)
cv2.imshow('WRAP',wrap)
cv2.waitKey(0)

运行结果：