Python中圖像算術(shù)與邏輯運算的示例分析

小編給大家分享一下Python中圖像算術(shù)與邏輯運算的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

一.圖像加法運算

圖像加法運算主要有兩種方法。第一種是調(diào)用Numpy庫實現(xiàn)，目標圖像像素為兩張圖像的像素之和；第二種是通過OpenCV調(diào)用add()函數(shù)實現(xiàn)。第二種方法的函數(shù)原型如下：

dst = add(src1, src2[, dst[, mask[, dtype]]])

– src1表示第一張圖像的像素矩陣

– src2表示第二張圖像的像素矩陣

– dst表示輸出的圖像，必須和輸入圖像具有相同的大小和通道數(shù)

– mask表示可選操作掩碼（8位單通道數(shù)組），用于指定要更改的輸出數(shù)組的元素。

– dtype表示輸出數(shù)組的可選深度

注意，當兩幅圖像的像素值相加結(jié)果小于等于255時，則輸出圖像直接賦值該結(jié)果，如120+48賦值為168；如果相加值大于255，則輸出圖像的像素結(jié)果設(shè)置為255，如(255+64) 賦值為255。下面的代碼實現(xiàn)了圖像加法運算。

#coding:utf-8
# By：Eastmount
import cv2  
import numpy as np  
 
#讀取圖片
img = cv2.imread("luo.png")

#圖像各像素加100
m = np.ones(img.shape, dtype="uint8")*100

#OpenCV加法運算
result = cv2.add(img, m)

#顯示圖像
cv2.imshow("original", img)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出如圖4-1所示，左邊為“小珞珞”的原始圖像，右邊為像素值增加100像素后的圖像，輸出圖像顯示更偏白。

二.圖像減法運算

圖像減法運算主要調(diào)用subtract()函數(shù)實現(xiàn)，其原型如下所示：

dst = subtract(src1, src2[, dst[, mask[, dtype]]])

– src1表示第一張圖像的像素矩陣

– src2表示第二張圖像的像素矩陣

– dst表示輸出的圖像，必須和輸入圖像具有相同的大小和通道數(shù)

– mask表示可選操作掩碼（8位單通道數(shù)組），用于指定要更改的輸出數(shù)組的元素。

– dtype表示輸出數(shù)組的可選深度

具體實現(xiàn)代碼如下所示：

#coding:utf-8
# By：Eastmount
import cv2  
import numpy as np  
 
#讀取圖片 
img = cv2.imread("luo.png")

#圖像各像素減50
m = np.ones(img.shape, dtype="uint8")*50

#OpenCV減法運算
result = cv2.subtract(img, m)

#顯示圖像
cv2.imshow("original", img)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出如圖4-2所示，左邊為原始圖像，右邊為像素值減少50像素后的圖像，輸出圖像顯示更偏暗。

三.圖像與運算

與運算是計算機中一種基本的邏輯運算方式，符號表示為“&”，其運算規(guī)則為：

• 0&0=0

• 0&1=0

• 1&0=0

• 1&1=1

圖像的與運算是指兩張圖像（灰度圖像或彩色圖像均可）的每個像素值進行二進制“與”操作，實現(xiàn)圖像裁剪。

dst = bitwise_and(src1, src2[, dst[, mask]])

– src1表示第一張圖像的像素矩陣

– src2表示第二張圖像的像素矩陣

– dst表示輸出的圖像，必須和輸入圖像具有相同的大小和通道數(shù)

– mask表示可選操作掩碼（8位單通道數(shù)組），用于指定要更改的輸出數(shù)組的元素。

下面代碼是通過圖像與運算實現(xiàn)圖像剪裁的功能。

#coding:utf-8
# By：Eastmount
import cv2  
import numpy as np  
 
#讀取圖片 
img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)

#獲取圖像寬和高
rows, cols = img.shape[:2]
print(rows, cols)

#畫圓形
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圖像與運算
result = cv2.bitwise_and(img, circle)

#顯示圖像
cv2.imshow("original", img)
cv2.imshow("circle", circle)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出如圖4-3所示，原始圖像與圓形進行與運算之后，提取了其中心輪廓。同時輸出圖像的形狀為377×326。注意，兩張圖像的大小和類型必須一致。

四.圖像或運算

邏輯或運算是指如果一個操作數(shù)或多個操作數(shù)為 true，則邏輯或運算符返回布爾值 true；只有全部操作數(shù)為false，結(jié)果才是 false。圖像的或運算是指兩張圖像（灰度圖像或彩色圖像均可）的每個像素值進行二進制“或”操作，實現(xiàn)圖像裁剪。其函數(shù)原型如下所示：

dst = bitwise_or(src1, src2[, dst[, mask]])

– src1表示第一張圖像的像素矩陣

– src2表示第二張圖像的像素矩陣

– dst表示輸出的圖像，必須和輸入圖像具有相同的大小和通道數(shù)

– mask表示可選操作掩碼（8位單通道數(shù)組），用于指定要更改的輸出數(shù)組的元素。

下面代碼是通過圖像或運算實現(xiàn)圖像剪裁的功能。

#coding:utf-8
# By：Eastmount
import cv2  
import numpy as np  
 
#讀取圖片 
img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)

#獲取圖像寬和高
rows, cols = img.shape[:2]

#畫圓形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)

#OpenCV圖像或運算
result = cv2.bitwise_or(img, circle)

#顯示圖像
cv2.imshow("original", img)
cv2.imshow("circle", circle)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出如圖4-4所示，原始圖像與圓形進行或運算之后，提取了圖像除中心原形之外的像素值。

五.圖像非運算

圖像非運算就是圖像的像素反色處理，它將原始圖像的黑色像素點轉(zhuǎn)換為白色像素點，白色像素點則轉(zhuǎn)換為黑色像素點，其函數(shù)原型如下：

dst = bitwise_not(src1, src2[, dst[, mask]])

– src1表示第一張圖像的像素矩陣

– src2表示第二張圖像的像素矩陣

– dst表示輸出的圖像，必須和輸入圖像具有相同的大小和通道數(shù)

– mask表示可選操作掩碼（8位單通道數(shù)組），用于指定要更改的輸出數(shù)組的元素。

圖像非運算的實現(xiàn)代碼如下所示。

#coding:utf-8
import cv2  
import numpy as np  
 
#讀取圖片 
img = cv2.imread("Lena.png", cv2.IMREAD_GRAYSCALE)

#OpenCV圖像非運算
result = cv2.bitwise_not(img)

#顯示圖像
cv2.imshow("original", img)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

原始圖像非運算之后輸出如圖4-5所示。

六.圖像異或運算

邏輯異或運算（xor）是一個數(shù)學(xué)運算符，數(shù)學(xué)符號為“⊕”，計算機符號為“xor”，其運算法則為：如果a、b兩個值不相同，則異或結(jié)果為1；如果a、b兩個值相同，異或結(jié)果為0。

圖像的異或運算是指兩張圖像（灰度圖像或彩色圖像均可）的每個像素值進行二進制“異或”操作，實現(xiàn)圖像裁剪。其函數(shù)原型如下所示：

dst = bitwise_xor(src1, src2[, dst[, mask]])

– src1表示第一張圖像的像素矩陣

– src2表示第二張圖像的像素矩陣

– dst表示輸出的圖像，必須和輸入圖像具有相同的大小和通道數(shù)

– mask表示可選操作掩碼（8位單通道數(shù)組），用于指定要更改的輸出數(shù)組的元素。

圖像異或運算的實現(xiàn)代碼如下所示。

#coding:utf-8
# By：Eastmount
import cv2  
import numpy as np  
 
#讀取圖片 
img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)

#獲取圖像寬和高
rows, cols = img.shape[:2]

#畫圓形
circle = np.zeros((rows, cols), dtype="uint8")
cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)

#OpenCV圖像異或運算
result = cv2.bitwise_xor(img, circle)

#顯示圖像
cv2.imshow("original", img)
cv2.imshow("circle", circle)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

原始圖像與圓形進行異或運算之后輸出如圖4-6所示。

以上是“Python中圖像算術(shù)與邏輯運算的示例分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！