博客

图像运算

2022/11/12 openCV

# 思维导图

image-20221112093801168

# 图像加法运算

像素用8个比特来表示，像素值的范围是[0,255]。两个像素值在进行加法运算时，求得的和很可能超过255。

3.1.1加号运算符

使用加号运算符“+”对图像进行求和运算时，遵循一下规则,mod取余数

image.png

import cv2 
import numpy as np

img1=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
img2=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
print(img1)
print(img2)
print(img1+img2)

image.png image.png image.png

(157+143)%256 = 44

3.1.2 cv2.add()函数

计算结果 = cv2.add(像素a,像素b)

image.png

import cv2 
import numpy as np

img1=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
img2=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
print(img1)
print(img2)
print(cv2.add(img1,img2))

image.png image.png image.png

(178 + 208 ) > 255 结果为 255

# 图像加权和

所谓图像加权和，就是在计算两幅图像的像素值之和时，将每幅图像的权重考虑进来，可以用公式表示为

dst=saturate（src1×α+src2×β+γ）

  • saturate（）表示取饱和值(最大值)
  • src1和src2必须大小、类型相同

OpenCV中提供了函数cv2.addWeighted()来实现图像的加权和（混合、融合），该函数的语法格式为：

dst=cv2.addWeighted(src1,alpha,src2,beta,gamma)

该函数实现的功能是dst = src1alpha + src2beta + gamma。可以理解为"结果图像 = 图像 x 系数1 + 图像2 x 系数2 + 亮度调节"

import cv2 
import numpy as np
# 生成3*4大小元素都是100的灰度图
img1 = np.ones((3,4),dtype=np.uint8)*100
# 生成3*4大小元素都是10的灰度图
img2 = np.ones((3,4),dtype=np.uint8)*10
# 亮度参数
gamma = 3
# 加权相加
img3 = cv2.addWeighted(img1,0.6,img2,5,gamma)

print(img3)

image.png

100*0.6 + 10*5 + 3 = 113

# 按位逻辑运算

常见的位运算

image.png

3.3.1按位与运算

  • dst表示运算后的结果输出
  • src2表示第一个图像
  • src2表示第二个图像
  • mask表示可选操作掩码
dst = cv2.bitwise_and(src1,src2[,mask])

image.png

其他位运算

# 按位或
dst = cv2.bitwise_or(src1,src2[,mask])
# 按位非
dst = cv2.bitwise_not(src1,src2[,mask])
# 按位异或
dst = cv2.bitwise_xor(src1,src2[,mask])

# 掩模

当使用掩模参数时，操作只会在掩模值为空的像素点上执行，并将其他像素点的值置为0

计算结果=cv2.add(参数1，参数2，掩模)

示例一

import cv2
import numpy as np
# 图片1
img1=np.ones((4,4),dtype=np.uint8)*3
# 图片2
img2=np.ones((4,4),dtype=np.uint8)*5
# 掩模
mask=np.zeros((4,4),dtype=np.uint8)
mask[2:4,2:4]=1
# 图片3
img3=cv2.add(img1,img2,mask=mask)

print(img1)
print(img2)
print(mask)
print(img3)

image.png image.png image.png image.png

# 图像与数值的运算

一副图像与一个数值相加，会给振幅图像加上的每一个像素加上同一个值

示例一

import cv2
import numpy as np
img1=np.ones((4,4),dtype=np.uint8)*3

img2 = cv2.add(img1,5)
print(img1)
print(img2)

image.png image.png

# 位平面分解

将灰度图像中处于同一比特上的二进制像素值进行组合，得到一副二进制图像，该图像被称为灰度图像的一个位平面，这个过程被称为位平面分解。

示例一

一幅灰度图的像素数

image.png

分解为二进制为

209 = 1*2^7 + 1*2^6 + 0*2^5 + 1*2^4 + 0*2^3 + 0*2^2 + 0*2^1 1*2^0   即 1101 0001

image.png

分解为8个位平面图(从低到高)

image.png

从e到a第一个组成第一个像素。h的权重为7权重最高对图像影响最高，a的权重最低为0对图像影响最新

# 图像的加密与解密

通过按位异或运算可以实现图像的加密和解密

image.png

根据上述规则，假设：

xor(a,b)=c

则可以得到

xor(a,b)=====xor(0,1)=1
xor(c,b)=====xor(1,1)=0
xor(c,a)=====xor(1,0)=1
##########
xor(c,b)=a
xor(c,a)=b

按位运算示例过程

image.png

  • a 明文
  • b 密钥
  • c 密文，xor(a,b)实现

加密解密过程

  • 加密 xor(a,b)
  • 解密xor(c,b)

# 数字水印

最低有效位指的是一个二进制中的第0位(即最低有效位)。

作用：信息隐藏、版权认证、身份认证等功能

建立水印步骤

  1. 载入图像预处理
  2. 建立提取矩阵
  3. 载体图像最低位有效位置零
  4. 水印图像处理
  5. 嵌入水印

水印提前过程

  1. 含水印图像处理
  2. 建立提取矩阵
  3. 提取水印信息
  4. 计算删除水印后的载体图像
  5. 显示图像