图像处理与逻辑运算

逻辑推理：运用严谨的逻辑分析问题 #生活技巧# #学习技巧# #解决问题的思考技巧#

一. 图像加法

cv2.add(img1,img2) 图像矩阵相加，也可以使用Numpy : res=img1+img2
OpenCV 中的加法与 Numpy 的加法有所不同的。 OpenCV 的加法是一种饱和操作，而 Numpy 的加法是一种模操作。
例如，对于100+200，使用cv2.add()函数得到的是255，而使用Numpy 的加法得到的是300%256

cv2.addWeighted(img1，α ，img2， β，γ) 根据不同权重进行矩阵相加
dst = α · img1 + β · img2 + γ （其中α+β+γ = 1）
不同的是两幅图像的权重不同，会给人一种混合或者透明的感觉。

主要应用举例
去除“叠加性”噪音
生成图像叠加效果

注意：两幅图像的大小，类型必须一致
如果操作不同大小的两幅图像，可以通过前面学到的图像ROI进行操作，这样的话只要在较大的图中选择和较小图同样大小的感兴趣区域，就可以进行叠加了

import cv2 img1 = cv2.imread("F:/t.jpg") img2 = cv2.imread("F:/e.jpg") #获得较小图片的大小 rows,cols,channels = img2.shape #在较大的图上设置ROI区域 img11 = img1[0:rows,0:cols] #进行不同权重的相加 res = cv2.addWeighted(img11,0.7,img2,0.3,0) cv2.namedWindow("res",cv2.WINDOW_NORMAL) cv2.imshow("res",res) cv2.waitKey() cv2.destroyAllWindows()123456789101112131415

二. 逻辑运算

import cv2 import numpy as np # 画一个正方形 Rectangle = np.zeros((300,300),dtype="uint8") cv2.rectangle(Rectangle,(20,20),(280,280),255,-1) # 画一个圆 Circle = np.zeros((300,300),dtype="uint8") cv2.circle(Circle,(150,150),150,255,-1) #与，或，非，异或 and_img = cv2.bitwise_and(Rectangle,Circle) or_img = cv2.bitwise_or(Rectangle,Circle) not_img = cv2.bitwise_not(Circle) xor_img = cv2.bitwise_xor(Rectangle,Circle) cv2.imshow("and_img",and_img) cv2.imshow("or_img",or_img) cv2.imshow("not_img",not_img) cv2.imshow("xor_img",xor_img) cv2.waitKey() cv2.destroyAllWindows()

12345678910111213141516171819202122

网址：图像处理与逻辑运算 https://www.yuejiaxmz.com/news/view/517029

相关内容

四数问题下逻辑运算符的注意事项
MATLAB图像处理（包括图像类型转换）
新的课程标准：学习逻辑=生活逻辑+学科逻辑？
严密的逻辑=横向逻辑+纵向逻辑+金字塔结构
Python实现简单算法乘法：提升编程效率与逻辑思维
【宁莉娜】逻辑：生活视界的理性支点
禅宗大智慧与创新力的底层逻辑
学习的逻辑
卓越运营：美的简单高效的管理逻辑
在线ps图片处理 图片编辑器 照片处理

随便看看