由於opencv讀入圖片資料型別是uint8型別，直接加減會導致資料溢位現象

（1）用Numpy操作

可以先將圖片資料型別轉換成int型別進行計算，

data=np.array(image,dtype='int')

經過處理後（如：遍歷，將大於255的置為255，小於0的置為0）

再將圖片還原成uint8型別

data=np.array(image,dtype='uint8')

注意：

（1）如果直接相加，那麼

當畫素值 > 255時，結果為對256取模的結果，例如：(240+66) % 256=50

而不是自動按照255處理

（2）如果直接相減，那麼

當畫素值<0時，結果為加上256的結果，例如：（100-140）+ 256 = 216

而不是自動按照0處理

例如：

選取一張圖片R分量做實驗

情況一：直接numpy操作

先加到240，再加66，超過了255，可以看到，並不預設255，而是變成了50

再試試相減操作：再減去100，本來結果是-50，但是可以看到，變成了206（-50+256）

（2）用opencv自帶函式操作

影象相加：

cv2.add(）

畫素值>255， 直接自動按照255處理

影象相減：

cv2.subtract()

畫素值小於0，直接自動按照0處理

例如：

r加上300，自動變成255

同理，小於0的自動變為0

以上兩種方法可以根據需要選擇。

補充知識：Opencv numpy中uint8型別儲存影象

用opencv處理影象時，可以發現獲得的矩陣型別都是uint8

import cv2 as cv
img=cv.imread(hello.png)
print(img)
array([[[...],[...],[...]]],dtype='uint8')

uint8是專門用於儲存各種影象的（包括RGB，灰度影象等），範圍是從0–255

這裡要注意如何轉化到uint8型別

1: numpy有np.uint8()函式，但是這個函式僅僅是對原資料和0xff相與(和最低2位元組資料相與)，這就容易導致如果原資料是大於255的，那麼在直接使用np.uint8()後，比第八位更大的資料都被截斷了，比如:

>>>a=[2000,100,2]
>>>np.uint8(a)
array([208,2],dtype=uint8)

2: 用cv2.normalize函式配合cv2.NORM_MINMAX，可以設定目標陣列的最大值和最小值，然後讓原陣列等比例的放大或縮小到目標陣列，如下面的例子中是將img的所有數字等比例的放大或縮小到0–255範圍的陣列中，

cv2.normalize(img,out,255,cv2.NORM_MINMAX)

然後改變資料型別

np.array([out],dtype=‘uint8')

總結：

要想將當前的陣列作為影象型別來進行各種操作，就要轉換到uint8型別，轉換的方式推薦使用第二種，因為第一種在值大於255以後就容易丟失。

以上這篇淺談python opencv對影象顏色通道進行加減操作溢位就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。