您好,登錄后才能下訂單哦!
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!
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。
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。
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。
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。
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。
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!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。