Python图像处理五。图像融合图像加减法图像逻辑运算

　　也许每个人出生的时候都以为这世界都是为他一个人而存在的，当他发现自己错的时候，他便开始长大
　　少走了弯路，也就错过了风景，无论如何，感谢经历
　　更多关于Android安全的知识，可前往：https://blog.csdn.net/ananasorangey/category11955914.html
　　本篇文章转载自公众号[娜璋AI安全之家]
　　该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类、目标检测应用。
　　前一篇文章介绍Python调用OpenCV实现图像平滑，包括五种算法：均值滤波、方框滤波、高斯滤波、中值滤波和双边滤波。这篇文章将详细讲解图像融合、图像加减法、图像逻辑运算和类型转换。希望文章对您有所帮助，如果有不足之处，还请海涵~
　　一.图像融合 二.图像加法和减法运算 1.加法运算 2.减法运算 三.图像逻辑运算 1.与运算 2.或运算 3.异或运算 4.非运算 四.图像类型转换
　　该系列在github所有源代码： https://github.com/eastmountyxz/ ImageProcessing-Python
　　前文回顾（下面的超链接可以点击喔）： [Python图像处理] 一.图像处理基础知识及OpenCV入门函数 [Python图像处理] 二.OpenCV+Numpy库读取与修改像素 [Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理 [Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波、中值滤波及双边滤波 [Python图像处理] 五.图像融合、图像加减法、图像逻辑运算及图像类型转换
　　学Python近八年，认识了很多大佬和朋友，感恩。由于在外求学且需要养娃，故在CSDN设置成了最低价收费专栏，觉得不错的可以购买抬爱；但作者的本意是帮助更多初学者入门，因此在github开源了所有代码，也在公众号同步更新。深知自己很菜，得拼命努力前行，编程也没有什么捷径，干就对了。希望未来能更透彻学习和撰写文章，同时非常感谢参考文献中的大佬们的文章和分享，共勉。
　　- https://blog.csdn.net/eastmount  一.图像融合
　　图像融合通常是指将2张或2张以上的图像信息融合到1张图像上，融合的图像含有更多的信息，能够更方便人们观察或计算机处理。如下图所示，将两张不清晰的图像融合得到更清晰的图。
　　图像融合是在图像加法的基础上增加了系数和亮度调节量，它与图像的主要区别如下： 图像加法：目标图像 = 图像1 + 图像2图像融合：目标图像 = 图像1   系数1 + 图像2   系数2 + 亮度调节量
　　在OpenCV中，图像融合主要调用addWeighted()函数实现，其原型如下。需要注意的是，两张融合图像的像素大小必须一致，参数gamma不能省略。 dst = cv2.addWeighted(scr1, alpha, src2, beta, gamma) dst = src1 * alpha + src2 * beta + gamma
　　下面的代码是将两张图片进行图像融合，两张图片的系数均为1。 #encoding:utf-8 # By: Eastmount CSDN 2021-01-26 import cv2   import numpy as np   import matplotlib.pyplot as plt   #读取图片 src1 = cv2.imread(＂lena-hd.png＂) src2 = cv2.imread(＂na.png＂)  #图像融合 result = cv2.addWeighted(src1, 1, src2, 1, 0)  #显示图像 cv2.imshow(＂src1＂, src1) cv2.imshow(＂src2＂, src2) cv2.imshow(＂result＂, result)  #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
　　输出结果如图所示，它将src1图像和src2图像按比例系数进行了融合，生成目标结果图result。
　　同样可以设置不同的融合比例，比如函数设为cv2.addWeighted(src1, 0.6, src2, 0.8, 10)，则输出的结果如图所示。
　　如果想表白，可以试试这部分代码。
　　二.图像加法和减法运算1.加法运算
　　(1) Numpy库加法
　　其运算方法是：目标图像 = 图像1 + 图像2，运算结果进行取模运算。 当像素值<=255时，结果为＂图像1+图像2＂，例如：120+48=168当像素值>255时，结果为对255取模的结果，例如：(255+64) % 255 = 64
　　(2) OpenCV加法运算
　　另一种方法是直接调用OpenCV库实现图像加法运算，方法如下： 目标图像 = cv2.add(图像1, 图像2)
　　此时结果是饱和运算，即： 当像素值<=255时，结果为＂图像1+图像2＂，例如：120+48=168当像素值>255时，结果为255，例如：(255+64) = 255
　　两种方法对应的代码如下所示： #encoding:utf-8 import cv2   import numpy as np   import matplotlib.pyplot as plt   #读取图片 img = cv2.imread(＂picture.bmp＂) test = img  #方法一：Numpy加法运算 result1 = img + test  #方法二：OpenCV加法运算 result2 = cv2.add(img, test)  #显示图像 cv2.imshow(＂original＂, img) cv2.imshow(＂result1＂, result1) cv2.imshow(＂result2＂, result2)  #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
　　输出结果如下，其中result1为第一种方法，result2为第二种方法，白色点255更多。
　　注意：参与运算的图像大小和类型必须一致。下面是对彩色图像加法运算的结果。
　　下面的代码实现了图像加法运算。注意，如果相加值大于255，则输出图像的像素结果设置为255。 #coding:utf-8 import cv2   import numpy as np     #读取图片 img = cv2.imread(＂Lena.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()
　　输出如图所示，左边为原始图像，右边为像素值增加100像素后的图像，输出图像显示更偏白。
　　2.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
　　实现代码详见如下： #coding:utf-8 # By: Eastmount CSDN 2021-02-24 import cv2   import numpy as np     #读取图片  img = cv2.imread(＂Lena.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.图像逻辑运算1.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 CSDN 2021-02-24 import cv2   import numpy as np     #读取图片  img = cv2.imread(＂Lena.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/2.0), int(cols/2)), 80, 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256 256，图像大小为65536个像素。注意，两张进行与运算的图像大小和类型必须一致。
　　2.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 CSDN 2021-02-24 import cv2   import numpy as np     #读取图片  img = cv2.imread(＂Lena.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)), 80, 255, -1) print(circle.shape) print(img.size, circle.size)  #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。
　　3.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 import cv2   import numpy as np     #读取图片  img = cv2.imread(＂Lena.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)), 80, 255, -1) print(circle.shape) print(img.size, circle.size)  #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所示。
　　4.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所示。
　　四.图像类型转换
　　图像类型转换是指将一种类型转换为另一种类型，比如彩色图像转换为灰度图像、BGR图像转换为RGB图像。OPenCV提供了200多种不同类型之间的转换，其中最常用的包括3类，如下： cv2.COLOR_BGR2GRAYcv2.COLOR_BGR2RGBcv2.COLOR_GRAY2BGR
　　代码如下所示： #encoding:utf-8 import cv2   import numpy as np   import matplotlib.pyplot as plt   #读取图片 src = cv2.imread(＂01.bmp＂)  #图像类型转换 result = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)  #显示图像 cv2.imshow(＂src＂, src) cv2.imshow(＂result＂, result)  #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
　　输出结果如下图所示：
　　如果使用通道转化，则结果如下图所示： result = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)
　　五.总结
　　本文主要讲解Python和OpenCV的图像基础处理，具体内容包括： 一.图像融合 二.图像加法和减法运算
　　1.加法运算
　　2.减法运算 三.图像逻辑运算
　　1.与运算
　　2.或运算
　　3.异或运算
　　4.图像非运算 四.图像类型转换
　　源代码下载地址，记得帮忙点star和关注喔！ https://github.com/eastmountyxz/ ImageProcessing-Python
　　2020年8月18新开的＂娜璋AI安全之家＂，主要围绕Python大数据分析、网络空间安全、人工智能、Web渗透及攻防技术进行讲解，同时分享CCF、SCI、南核北核论文的算法实现。娜璋之家会更加系统，并重构作者的所有文章，从零讲解Python和安全，写了近十年文章，真心想把自己所学所感所做分享出来，还请各位多多指教，真诚邀请您的关注！谢谢。
　　(By:Eastmount 2021-02-24 夜于武汉 )
　　参考文献，在此感谢这些大佬，共勉！ [1] 冈萨雷斯. 数字图像处理（第3版）[M]. 电子工业出版社, 2013.[2] 毛星云, 冷雪飞. OpenCV3编程入门[M]. 电子工业出版社, 2015.[3] https://blog.csdn.net/Eastmount
　　你以为你有很多路可以选择，其实你只有一条路可以走