像素運算

分為算術運算和邏輯運算

算術運算：

加減乘除

調節亮度
調整對比度

邏輯運算：

與或非

遮罩層控制

一：算術運算

import cv2 as cv
import numpy as np

def add_demo(m1,m2):
    dst = cv.add(m1,m2)
    cv.imshow("add_demo",dst)

def subtract_demo(m1,m2):
    dst = cv.subtract(m1,m2)
    cv.imshow("subtract_demo",dst)

def multiply_demo(m1,m2):
    dst 
 
= cv.multiply(m1,m2)
    cv.imshow("multiply_demo",dst)

def divide_demo(m1,m2):
    dst = cv.divide(m1,m2)　　#不多用
    cv.imshow("divide_demo",dst)

src1 = cv.imread("./a1.jpg")  #讀取圖片
src2 = cv.imread("./a2.jpg")  #讀取圖片
print(src1.shape)
print(src2.shape)
cv.imshow("image1",src1)
cv.imshow("image2",src2)
add_demo(src1,src2)
subtract_demo(src1,src2)
multiply_demo(src1,src2)
divide_demo(src1,src2)
cv.waitKey(
 
0)   #等待用戶操作，裏面等待參數是毫秒，我們填寫0，代表是永遠，等待用戶操作
cv.destroyAllWindows()  #銷毀所有窗口

原圖：

add:（黑色是0，白色為255，當大於255會為白色，小於0為黑色）

subtract：

multiply：

divide：

獲得各個通道的均值：

def others(m1,m2):
    M1 = cv.mean(m1)
    M2 = cv.mean(m2)
    print(M1)
    print(M2)

(190.8543375, 190.8543375, 190.8543375, 0.0)　　#整體偏黑
(186.68600625000002
 
, 228.5496625, 241.74333125, 0.0)　　#紅綠較多，所以偏黃

獲取各個圖像的方差：

def others(m1,m2):
    M1 = cv.mean(m1)
    M2 = cv.mean(m2)
    M1,dev1 = cv.meanStdDev(m1)　　#返回均值和方差，分別對應3個通道
    M2,dev2 = cv.meanStdDev(m2)
    print(M1)
    print(dev1)
    print(M2)    
    print(dev2)

[[190.8543375]　　#M1
 [190.8543375]
 [190.8543375]]
[[95.31664687]　　#dev1
 [95.31664687]
 [95.31664687]]

[[186.68600625]　　#M2
 [228.5496625 ]
 [241.74333125]]
[[72.40766216]　　#dev2
 [39.39460523]
 [30.92104465]]

可以知道dev2偏小，所以圖二中色彩差異（對比性）是較小的，若是整張圖片同色，則方差為0，均值為0，可以用來查看掃描儀中是否有信息（方差小於一個預值，則失效，丟棄）

    img = np.zeros([400,400,3],np.uint8)
    m,dev = cv.meanStdDev(img)
    print(m,dev)

二：邏輯運算

與and:(1和1為1)（類似遮罩，當我們使用白色遮罩）

def logic_and_demo(m1,m2):
    dst = cv.bitwise_and(m1,m2)
    cv.imshow("logic_and_demo",dst)

或or：(1和1,1和0都為1）

def logic_or_demo(m1,m2):
    dst = cv.bitwise_or(m1,m2)
    cv.imshow("logic_or_demo",dst)

異或xor：（1和0為1）

def logic_xor_demo(m1,m2):  #異或：不同為1，相同為0
    dst = cv.bitwise_xor(m1,m2)
    cv.imshow("logic_or_demo",dst)

非（not）：對一張圖片取反

def logic_not_demo(m1):  #非是對於一張圖片
    dst = cv.bitwise_not(m1)
    cv.imshow("logic_not_demo",dst)

補充：針對視頻中inrange

def extrace_object():
    capture = cv.VideoCapture("./1.mp4")
    while True:
        ret,frame = capture.read()  #frame是每一幀圖像，ret是返回值，為0是表示圖像讀取完畢
        if ret == False:
            break
        hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
        lower_hsv = np.array([0,43,46])
        upper_hsv = np.array([10,255,255])
        mask = cv.inRange(hsv,lower_hsv,upper_hsv)
        dst = cv.bitwise_and(frame,frame,mask=mask)
        cv.imshow("video",frame)
        cv.imshow("mask", mask)
        cv.imshow("dst",dst)
        c = cv.waitKey(40)
        if c == 27:
            break

mask：該函數輸出的dst是一幅二值化之後的圖像（是將滿足我們的圖像對象所有位都設為1白色，不滿足設置為0黑色）

bitwise_and：白色全為1與原圖相與，會將白色區域提取

調整亮度和對比度addWeighted

推文：Opencv 例程講解 6 ---- 圖片融合 addWeighted到底有多快？

def contrast_brightness_demo(image,c,b):
    ‘‘‘
    :param image:   原圖
    :param c:   對比度 是將像素乘與c,原來2，4---->4, 8  差距由2--->4導致對比增強
    :param b:   亮度  是將每個像素點加上相關亮度
    :return:
    ‘‘‘
    h,w,ch = image.shape
    blank = np.zeros([h,w,ch],image.dtype)
    dst = cv.addWeighted(image,c,blank,1-c,b)
    cv.imshow("dst",dst)

src = cv.imread("./1.png")
cv.imshow("src",src)
contrast_brightness_demo(src,1.2,0)

亮度：

src = cv.imread("./1.png")
cv.imshow("src",src)
contrast_brightness_demo(src,1,50)

1、第1個參數，輸入圖片1， 
2、第2個參數，圖片1的融合比例
3、第3個參數，輸入圖片2
4、第4個參數，圖片2的融合比例
5、第5個參數，偏差
6、第6個參數，輸出圖片

OpenCV---像素運算