Python图像处理之图像算术与逻辑运算详解
作者：Eastmount
一.图像加法运算
图像加法运算主要有两种方法。第一种是调用Numpy库实现，目标图像像素为两张图像的像素之和；第二种是通过OpenCV调用add()函数实现。第二种方法的函数原型如下：
dst = add(src1, src2[, dst[, mask[, dtype]]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
– dtype表示输出数组的可选深度
注意，当两幅图像的像素值相加结果小于等于255时，则输出图像直接赋值该结果，如120+48赋值为168；如果相加值大于255，则输出图像的像素结果设置为255，如(255+64) 赋值为255。下面的代码实现了图像加法运算。
#coding:utf-8
# By：Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.png")
#图像各像素加100
m = np.ones(img.shape, dtype="uint8")*100
#OpenCV加法运算
result = cv2.add(img, m)
#显示图像
cv2.imshow("original", img)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()输出如图4-1所示，左边为“小珞珞”的原始图像，右边为像素值增加100像素后的图像，输出图像显示更偏白。
二.图像减法运算
图像减法运算主要调用subtract()函数实现，其原型如下所示：
dst = subtract(src1, src2[, dst[, mask[, dtype]]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
– dtype表示输出数组的可选深度
具体实现代码如下所示：
#coding:utf-8
# By：Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.png")
#图像各像素减50
m = np.ones(img.shape, dtype="uint8")*50
#OpenCV减法运算
result = cv2.subtract(img, m)
#显示图像
cv2.imshow("original", img)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()输出如图4-2所示，左边为原始图像，右边为像素值减少50像素后的图像，输出图像显示更偏暗。
三.图像与运算
与运算是计算机中一种基本的逻辑运算方式，符号表示为“&”，其运算规则为：
- 0&0=0
- 0&1=0
- 1&0=0
- 1&1=1
图像的与运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“与”操作，实现图像裁剪。
dst = bitwise_and(src1, src2[, dst[, mask]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
下面代码是通过图像与运算实现图像剪裁的功能。
#coding:utf-8
# By：Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
#获取图像宽和高
rows, cols = img.shape[:2]
print(rows, cols)
#画圆形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
print(circle.shape)
print(img.size, circle.size)
#OpenCV图像与运算
result = cv2.bitwise_and(img, circle)
#显示图像
cv2.imshow("original", img)
cv2.imshow("circle", circle)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()输出如图4-3所示，原始图像与圆形进行与运算之后，提取了其中心轮廓。同时输出图像的形状为377×326。注意，两张图像的大小和类型必须一致。
四.图像或运算
逻辑或运算是指如果一个操作数或多个操作数为 true，则逻辑或运算符返回布尔值 true；只有全部操作数为false，结果才是 false。图像的或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“或”操作，实现图像裁剪。其函数原型如下所示：
dst = bitwise_or(src1, src2[, dst[, mask]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
下面代码是通过图像或运算实现图像剪裁的功能。
#coding:utf-8
# By：Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
#获取图像宽和高
rows, cols = img.shape[:2]
#画圆形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
#OpenCV图像或运算
result = cv2.bitwise_or(img, circle)
#显示图像
cv2.imshow("original", img)
cv2.imshow("circle", circle)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()输出如图4-4所示，原始图像与圆形进行或运算之后，提取了图像除中心原形之外的像素值。
五.图像非运算
图像非运算就是图像的像素反色处理，它将原始图像的黑色像素点转换为白色像素点，白色像素点则转换为黑色像素点，其函数原型如下：
dst = bitwise_not(src1, src2[, dst[, mask]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
图像非运算的实现代码如下所示。
#coding:utf-8
import cv2
import numpy as np
#读取图片
img = cv2.imread("Lena.png", cv2.IMREAD_GRAYSCALE)
#OpenCV图像非运算
result = cv2.bitwise_not(img)
#显示图像
cv2.imshow("original", img)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()原始图像非运算之后输出如图4-5所示。
六.图像异或运算
逻辑异或运算（xor）是一个数学运算符，数学符号为“⊕”，计算机符号为“xor”，其运算法则为：如果a、b两个值不相同，则异或结果为1；如果a、b两个值相同，异或结果为0。
图像的异或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“异或”操作，实现图像裁剪。其函数原型如下所示：
dst = bitwise_xor(src1, src2[, dst[, mask]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
图像异或运算的实现代码如下所示。
#coding:utf-8
# By：Eastmount
import cv2
import numpy as np
#读取图片
img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
#获取图像宽和高
rows, cols = img.shape[:2]
#画圆形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
#OpenCV图像异或运算
result = cv2.bitwise_xor(img, circle)
#显示图像
cv2.imshow("original", img)
cv2.imshow("circle", circle)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()原始图像与圆形进行异或运算之后输出如图4-6所示。
七.总结
本文详细介绍了图像处理的算术运算与逻辑运算，包括图像加法、图像减法、图像与运算、图像或运算、图像非运算与图像异或运算，并以“小珞珞”图像为案例进行讲解，希望对您有所帮助。
到此这篇关于Python图像处理之图像算术与逻辑运算详解的文章就介绍到这了,更多相关Python图像算术 逻辑运算内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！