本文主要內容來自於 OpenCV-Python 教程 的 核心操作 部分，這個部分的主要內容如下：
-
學習讀取和編輯像素值，使用圖像 ROI 和其它的基本操作。
-
對圖像執行算術運算
-
獲得解決方案很重要。但是以最快的方式獲得它更重要。學習檢查代碼的速度，優化代碼等。
目標
- 學習一些圖像的算術運算操作，比如加、減、位運算，等等。
- 學習這些函數：cv.add()，cv.addWeighted()，等等。
圖像加法
我們可以利用 OpenCV 的函數，cv.add()，或簡單地通過 numpy 操作 res = img1 + img2，將兩幅圖像加起來。兩幅圖像應該具有相同的深度和類型，或者第二幅圖像可以僅僅是個標量值。
注意 OpenCV 的加法和 Numpy 的加法是有區別的。OpenCV 加法是飽和運算，而 Numpy 加法是模運算。
比如，考慮下面的例子：
def diff_add():
x = np.uint8([250])
y = np.uint8([10])
print(cv.add(x,y)) # 250+10 = 260 => 255
print(x + y) # 250+10 = 260 % 256 = 4
這幾行代碼的輸出如下：
[[255]]
[4]
當將兩個圖像相加時，這將更加明顯。堅持使用 OpenCV 函數，因爲它們會提供更好的結果。
圖像混合
這也是一個圖像相加操作，但會給不同的圖像以不同的權重，爲了給人一種混合或透明的感覺。圖像相加操作按以下公式進行：
g(x) = (1 - alpha)f_0(x) + alphaf_1(x)
通過從 0 -> 1 改變 alpha 的值，我們可以執行一個從一幅圖像到另一幅圖像之間很酷的轉換。
這裏我們拿兩幅圖像來混合。給第一個圖像一個權重 0.7，給第二個圖像一個權重 0.7。 cv.addWeighted() 對圖像應用如下的公式：
dst = alpha * img1 + beta * img2 + gamma
這裏的 gamma 我們取 0。
def image_blending():
cv.samples.addSamplesDataSearchPath("/media/data/my_multimedia/opencv-4.x/samples/data")
file_ml = cv.samples.findFile('ml.png')
img1 = cv.imread(file_ml)
file_logo = cv.samples.findFile('opencv-logo.png')
img2 = cv.imread(file_logo)
print(img1.shape)
img2 = cv.resize(img2, (img1.shape[1], img1.shape[0]))
print(img2.shape)
dst = cv.addWeighted(img1, 0.7, img2, 0.3, 0)
plt.subplot(131), plt.imshow(img1, 'gray'), plt.title('ORIGINAL')
plt.subplot(132), plt.imshow(img2, 'gray'), plt.title('REPLICATE')
plt.subplot(133), plt.imshow(dst, 'gray'), plt.title('REFLECT')
plt.subplots_adjust(wspace=0.4, hspace=0.4)
plt.show()
由於上面的兩幅圖像大小不一樣，因而通過 cv.resize() 將其中一幅圖像的大小做調整，以便後面的混合操作可以正常執行。檢查最終的結果如下：
下面這個例子演示如上相同的函數，但引入 cv.hconcat() 來將原始圖像和結果圖像水平拼接起來，以另一種方式展示結果：
def image_blending1():
cv.samples.addSamplesDataSearchPath("/media/data/my_multimedia/opencv-4.x/samples/data")
file_ml = cv.samples.findFile('ml.png')
img1 = cv.imread(file_ml)
file_logo = cv.samples.findFile('opencv-logo.png')
img2 = cv.imread(file_logo)
print(img1.shape)
img2 = cv.resize(img2, (img1.shape[1], img1.shape[0]))
print(img2.shape)
dst = cv.addWeighted(img1, 0.7, img2, 0.3, 0)
images = [img1, img2, dst]
img4 = cv.hconcat(images)
cv.imshow('Image', img4)
cv.waitKey(0)
cv.destroyAllWindows()
檢查最終的結果如下：
下面這個示例則通過圖像混合，實現一個漸入和漸出的動畫效果：
def image_blending2():
cv.samples.addSamplesDataSearchPath("/media/data/my_multimedia/opencv-4.x/samples/data")
file_ml = cv.samples.findFile('ml.png')
img1 = cv.imread(file_ml)
file_logo = cv.samples.findFile('opencv-logo.png')
img2 = cv.imread(file_logo)
img2 = cv.resize(img2, (img1.shape[1], img1.shape[0]))
weight = 0.01
step = 0.02
while True:
dst = cv.addWeighted(img1, weight, img2, 1 - weight, 0)
cv.imshow('Image', dst)
key = cv.waitKey(35)
if key == ord('q'):
break
weight += step
if (weight > 1.0):
step = -step
elif weight < 0:
step = -step
cv.destroyAllWindows()
位操作
這裏包括位 AND，OR，NOT 和 XOR 操作。在提取圖像的任何部分（我們將在接下來的章節中看到）、定義和使用非矩形 ROI 等時，它們將非常有用。下面我們將看到一個如何更改圖像特定區域的示例。
我想把 OpenCV logo 放到一幅圖像上面。如果我將兩幅圖像相加，則它將改變顏色。如果我混合它們，我得到一個透明效果。但我希望它是不透明的。如果它是一個矩形區域，我可以使用 ROI，就像我們在前面的章節中做的那樣。但 OpenCV logo 不是一個矩形。因而，我們可以用位操作來實現，如下所示：
def bitwise_operations():
# Load two images
cv.samples.addSamplesDataSearchPath("/media/data/my_multimedia/opencv-4.x/samples/data")
img1 = cv.imread(cv.samples.findFile('messi5.jpg'))
img2 = cv.imread(cv.samples.findFile('opencv-logo-white.png'))
# I want to put logo on top-left corner, So I create a ROI
rows, cols, channels = img2.shape
roi = img1[0:rows, 0:cols]
# Now create a mask of logo and create its inverse mask also
img2gray = cv.cvtColor(img2, cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
mask_inv = cv.bitwise_not(mask)
images = [img2gray, mask, mask_inv]
image = cv.hconcat(images)
# Now black-out the area of logo in ROI
img1_bg = cv.bitwise_and(roi, roi, mask=mask_inv)
# Take only region of logo from logo image.
img2_fg = cv.bitwise_and(img2, img2, mask=mask)
# Put logo in ROI and modify the main image
dst = cv.add(img1_bg, img2_fg)
images2 = [img1_bg, img2_fg, dst]
image2 = cv.hconcat(images2)
img1[0:rows, 0:cols] = dst
plt.subplot(211), plt.imshow(image, 'gray'), plt.title('MASK')
plt.subplot(212), plt.imshow(image2, 'gray'), plt.title('ROI')
plt.subplots_adjust(wspace=0.1, hspace=0.3)
plt.show()
執行上面的代碼，MASK 和 ROI 區域的變化如下圖：
查看最終的結果。左圖顯示了我們創建的蒙版。右圖展示了最終的結果。爲了獲得更好的理解，顯示上面代碼中所有的中間圖像，特別是 img1_bg 和 img2_fg。
將左邊圖像和右邊圖像拼接起來並顯示的代碼如下：
image4 = np.zeros((img1.shape[0], img2.shape[1], 3), np.uint8)
merged = cv.merge((mask, mask, mask))
image4[0:rows, 0:cols] = merged
img1[0:rows, 0:cols] = dst
images5 = [image4, img1]
dest = cv.hconcat(images5)
cv.imshow('res', dest)
cv.waitKey(0)
cv.destroyAllWindows()
其它資源
練習
- 使用 cv.addWeighted 函數，創建文件夾中圖像的幻燈片放映，並在圖像之間平滑過渡。
參考文檔
Arithmetic Operations on Images
Done.