多少钱_独立网卡推荐_怎么做网站关键词优化_互联网营销案例分析

一、加法运算

1.1 cv2.add()

res = cv2.add(img1,img2,dst=None,mask=None,dtype=None)

img1、img2：要 add 的图像对象。（shape必须相同）

mask：图像掩膜。灰度图（维度为2）。

dtype：图像数据类型。

add 后像素值最大为255。

+ 运算后取255的余数。

import cv2
import numpy as npB = np.zeros((200,200,3),np.uint8)
G = np.zeros((200,200,3),np.uint8)
mask = np.zeros((200,200,1 ),np.uint8)B[:,:,0]=255
G[:,:,1]=255
mask[50:150,50:150,:]=255img_bg = cv2.add(B,G)
img_bg_mask = cv2.add(B,G,mask=mask)cv2.imshow('B',B)
cv2.imshow('G',G)
cv2.imshow('mask',mask)
cv2.imshow('img_bg',img_bg)
cv2.imshow('img_bg_mask',img_bg_mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.2 cv2.addWeighted()

img = addWeighted(img1,alpha,img2,beta,gamma)

img1、img2：要融合的图像。

alpha：图像 1 的权重。

beta：图像 2 的权重。

gamma：图像校正值，默认为 0。

import cv2
import numpy as npcat = cv2.resize(cv2.imread('cat.png'),(500,600))
dog = cv2.resize(cv2.imread('dog.png'),(500,600))
print(cat.shape)
print(dog.shape)
cat_dog = cv2.addWeighted(cat,0.5,dog,0.5,0)
img = np.hstack((cat,dog,cat_dog))
cv2.imshow('img',img)cv2.waitKey(0)
cv2.destroyAllWindows()

二、图像逻辑运算

2.1 and 运算

img = cv2.bitwise_and(img1,img2,mask=None)

img1、img2：要进行 and 运算的图像对象。

mask：掩膜。

and	1	0
1	1	0
0	0	0

任意像素值与白色像素值（1）执行 and 运算后结果为原像素值；任意像素值与黑色像素值（0）执行 or 运算后结果为黑色像素值。

import cv2
import numpy as nplena = cv2.imread('Lena.png')
m = np.zeros(lena.shape,np.uint8)
m[200:350,200:350]=255
lena_m = cv2.bitwise_and(lena,m)cv2.imshow('lena',lena)
cv2.imshow('m',m)
cv2.imshow('lena_m',lena_m)cv2.waitKey(0)
cv2.destroyAllWindows()

2.2 or 运算

img = cv2.bitwise_or(img1,img2,mask=None)

or	1	0
1	1	1
0	1	0

任意像素值与白色像素值（1）执行 or 运算后结果为白色像素值；任意像素值与黑色像素值（0）执行 or 运算后结果为原像素值。

import cv2
import numpy as nplena = cv2.imread('Lena.png')
m = np.zeros(lena.shape,np.uint8)
m[200:350,200:350]=255
lena_m = cv2.bitwise_or(lena,m)cv2.imshow('lena',lena)
cv2.imshow('m',m)
cv2.imshow('lena_m',lena_m)cv2.waitKey(0)
cv2.destroyAllWindows()

2.3 not 运算

只对单张图片进行处理。

img = cv2.bitwise_or(img1,mask=None)

not	1	0
	0	1

1 转为 0，0 转为 1。

import cv2
import numpy as nplena = cv2.imread('Lena.png')
lena_m = cv2.bitwise_not(lena)cv2.imshow('lena',lena)
cv2.imshow('lena_m',lena_m)cv2.waitKey(0)
cv2.destroyAllWindows()

2.4 xor 运算

img = cv2.bitwise_xor(img1,img2,mask=None)

xor	1	0
1	0	1
0	1	0

任意像素值与白色像素值（1）执行 xor 运算后结果为 not 运算结果；任意像素值与黑色像素值（0）执行 xor 运算后结果为原像素值

import cv2
import numpy as nplena = cv2.imread('Lena.png')
m = np.zeros(lena.shape,np.uint8)
m[200:400,:,:]=255
lena_m = cv2.bitwise_xor(lena,m)cv2.imshow('lena',lena)
cv2.imshow('m',m)
cv2.imshow('lena_m',lena_m)cv2.waitKey(0)
cv2.destroyAllWindows()

三、图像加密与解密

加密：img_key = img1 + img2;

解密：img_unkey = img_key + img2。

这里以 img2 为马赛克背景。（注意：img1 与 img2 的 shape 要相同）

import cv2
import numpy as nplena = cv2.imread('Lena.png')
key = np.random.randint(0,256,lena.shape,np.uint8)lena_key = cv2.bitwise_xor(lena,key)  # 加密
lena_unkey = cv2.bitwise_xor(lena_key,key)  # 解密cv2.imshow('lena',lena)
cv2.imshow('key',key)
cv2.imshow('lena_key',lena_key)
cv2.imshow('lena_unkey',lena_unkey)cv2.waitKey(0)
cv2.destroyAllWindows()