当前位置: 首页 > news >正文

OpenCV图像算术位运算

一 图像相加

import cv2
import numpy as npgirl=cv2.imread('./2037548.jpg')#图像的加法运算就是矩阵的加法运算
#因此加法运算的两张图必须是相等的print(girl.shape)img=np.ones((1920,1080,3),np.uint8)*50
cv2.imshow('girl',girl)
result=cv2.add(girl,img)
cv2.imshow('result',result)
cv2.waitKey(0)

二 图像减法运算

subtract(A,B)
含义是A减B

import cv2
import numpy as npgirl=cv2.imread('./2037548.jpg')#图像的加法运算就是矩阵的加法运算
#因此加法运算的两张图必须是相等的print(girl.shape)img=np.ones((1920,1080,3),np.uint8)*50
cv2.imshow('girl',girl)
result=cv2.subtract(girl,img)
cv2.imshow('result',result)
cv2.waitKey(0)

三 图像的融合

addWeigthed(A,alpha,B,bate,gamma)

alpha和beta是权重

gamma 静态权重

四 图像位运算

import cv2
import numpy as np# 创建一张图片
img=np.zeros((200,200),np.uint8)img[50:150,50:150]=255new_img=cv2.bitwise_not(img)cv2.imshow('img',img)cv2.imshow('new_img',new_img)cv2.waitKey(0)

五 图像的与运算

import cv2
import numpy as np# 创建一张图片
img=np.zeros((200,200),np.uint8)
img2=np.zeros((200,200),np.uint8)img[20:120,20:120]=255
img2[50:150,50:150]=255new_img=cv2.bitwise_and(img,img2)cv2.imshow('img',img)cv2.imshow('new_img',new_img)cv2.waitKey(0)

六 图像的或与异或运算

bitwise_or(img1,img2)
bitwise_xor(img1,img2)

总结 添加水印

# 引入一副图片
# 要有一个Logo,需要自己创建
# 水印添加,在什么地方添加,在添加的地方变成黑色
# 利用add 将logo 与图形叠加到一起import cv2
import numpy as npgirl=cv2.imread('./2037548.jpg')# 创建LOGO
logo=np.zeros((200,200,3),np.uint8)
mask=np.zeros((200,200),np.uint8)# 绘制LOGO
logo[20:120,20:120]=[0,0,255]
logo[80:180,80:180]=[0,255,0]mask[20:120,20:120]=255
logo[80:180,80:180]=255# 对mask按位取反
m=cv2.bitwise_not(mask)# 选择girl添加logo的位置
roi=girl[0:200,0:200]# 与m进行操作
tmp=cv2.bitwise_and(roi,roi,mask=m)
dst=cv2.add(tmp,logo)girl[0:200,0:200]=dstcv2.imshow('girl',girl)
#cv2.imshow('tmp',tmp)
#how('mask',mask)
#cv2.imshow('logo',logo)
cv2.waitKey(0)
http://www.lryc.cn/news/374918.html

相关文章:

  • 【调试笔记-20240611-Linux-配置 OpenWrt-23.05 支持泛域名 acme 更新】
  • ssm宠物网站系统-计算机毕业设计源码07183
  • 想上币的项目方怎么去选择交易所
  • mysql如何创建并执行事件?
  • k8s环境里查看containerd创建的容器对应的netns
  • 学习笔记——网络管理与运维——SNMP(基本配置)
  • CMake从安装到精通
  • 【C++】认识STL
  • 力扣 50.pow(x,n)
  • R可视化:微生物相对丰度或富集热图可视化
  • Unity Maximum Allowed Timestep的说明
  • 长短期记忆神经网络(LSTM)的回归预测(免费完整源代码)【MATLAB】
  • 关于 python request 的 response 返回 b‘\xa3\xff\xff\x11E .....‘ 类型的数据的解决方案
  • 后端高频面试题分享-用Java判断一个列表是否是另一个列表的顺序子集
  • 【数据初步变现】论自助BI在数字化转型中如何赋能业务
  • Python 学习 第二册 第14章 网络编程
  • 微信 小程序应用,页面,组件的生命周期
  • 代码随想录算法训练营Day41|背包问题、分割等和子集
  • oracle SCHEDULER
  • 实现虚拟机的难点
  • JAVA-线程
  • 代码随想录——电话号码的字母组合(Leetcode17)
  • 多款可观测产品全面升级丨阿里云云原生 5 月产品月报
  • python实践笔记(三): 异常处理和文件操作
  • Excel VLOOKUP 使用记录
  • Spring Cloud Stream 消息驱动基础入门与实践总结
  • 你好rust
  • STM32 printf 重定向到CAN
  • jmeter性能优化之mysql监控sql慢查询语句分析
  • 海南聚广众达电子商务咨询有限公司引领行业变革