本文共 3744 字，大约阅读时间需要 12 分钟。

图像加法运算

在图像处理过程中，经常需要对图像进行加法运算。可以通过加号运算符“+”对图像进行加法运算，也可以通过cv2.add（）函数对图像进行加法运算

通常情况下，在灰度图像中，像素用8个比特位（一个字节）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。上述两种不同的加法运算方式，对超过255的数值的处理方式是不一样的。

import cv2 import numpy as np

import cv2 img1=cv2.imread("LinuxLogo.jpg")img2=cv2.imread("WindowsLogo.jpg")img3=img1+img2cv2.imshow("add",img3)cv2.waitKey()cv2.destroyAllWindows()

算术运算(加减乘除)

def add_demo(m1, m2):    dst = cv2.add(m1, m2)    cv2.imshow("add_demo", dst)

def subtract_demo(m1, m2):    dst = cv2.subtract(m1, m2)    cv2.imshow("subtract_demo", dst)

def divide_demo(m1, m2):    dst = cv2.divide(m1, m2)    cv2.imshow("divide_demo", dst)

def multiply_demo(m1, m2):    dst = cv2.multiply(m1, m2)    cv2.imshow("multiply_demo", dst)

图像调整

def contrast_brightness_demo(image, c, b):    h, w, ch = image.shape    blank = np.zeros([h, w, ch], image.dtype)    dst = cv2.addWeighted(image, c, blank, 1-c, b)    cv2.imshow("con-bri-demo", dst)

图像逻辑

与、或、异或、非：使用opencv中有四种逻辑运算函数实现操作

与运算cv2.bitwise_and(); 或运算cv2.bitwise_or(); 异或运算cv2.bitwise_xor(); 非运算cv2.bitwise_not();

#按位与 按位或

def logic_demo(m1, m2):    dst1 = cv2.bitwise_and(m1, m2)    dst2 = cv2.bitwise_or(m1, m2)    cv2.imshow("logic_demo_and", dst1)    cv2.imshow("logic_demo_or",dst2)

#按位非运算 按位异或

def logic_demo2(m1,m2):    dst1=cv2.bitwise_not(m1,m2)    dst2=cv2.bitwise_xor(m1,m2)    cv2.imshow("logic_demo_not", dst1)    cv2.imshow("logic_demo_xor",dst2)

#实现

img1=cv2.imread("LinuxLogo.jpg")img2=cv2.imread("WindowsLogo.jpg")cv2.imshow("image1", img1)cv2.imshow("image2", img2)logic_demo(img1,img2)#logic_demo2(img2,img1)cv2.waitKey(0)cv2.destroyAllWindows()

图像加密

import cv2import numpy as np demo = cv2.imread("shenmi.jpg", 0)r, c = demo.shapekey = np.random.randint(0, 256, size=(r, c), dtype=np.uint8)   # 生成随机的密钥图像 cv2.imshow("shenmi", demo)              # 显示原始图像cv2.imshow("key", key)                # 显示密钥图像 encryption = cv2.bitwise_xor(demo, key)   # 加密decryption = cv2.bitwise_xor(encryption, key)  # 解密 cv2.imshow("jiami", encryption)      # 显示密文图像cv2.imshow("jiemi", decryption)      # 显示解密后的图像 cv2.waitKey(-1)cv2.destroyAllWindows()

面部打码及解码

import cv2import numpy as nplena=cv2.imread("lena.bmp",0)r,c=lena.shapemask=np.zeros((r,c),dtype=np.uint8)mask[220:400,250:350]=1key=np.random.randint(0,256,size=[r,c],dtype=np.uint8) # 获取密匙lenaXorKey=cv2.bitwise_xor(lena,key)  # 对原图像加密encryptFace=cv2.bitwise_and(lenaXorKey,mask*255) # 获取加密图的脸部信息noFace1=cv2.bitwise_and(lena,(1-mask)*255)     # 将原图的脸部位置置0maskFace=encryptFace+noFace1                # 得到打码的原图  #解码extractOriginal=cv2.bitwise_xor(maskFace,key)   # 得到脸部的原始信息extractFace=cv2.bitwise_and(extractOriginal,mask*255)  # 提取脸部信息noFace2=cv2.bitwise_and(maskFace,(1-mask)*255)  # 从打码的原图内提取没有脸的原图extractLena=noFace2+extractFace     # 得到解码的原图#显示图像cv2.imshow("lena",lena)cv2.imshow("mask",mask*255)          cv2.imshow("1-mask",(1-mask)*255)cv2.imshow("key",key)cv2.imshow("lenaXorKey",lenaXorKey)cv2.imshow("encryptFace",encryptFace)cv2.imshow("noFace1",noFace1)cv2.imshow("maskFace",maskFace)cv2.imshow("extractOriginal",extractOriginal)cv2.imshow("extractFace",extractFace)cv2.imshow("noFace2",noFace2)cv2.imshow("extractLena",extractLena)cv2.waitKey()cv2.destroyAllWindows()

数字水印

import cv2import numpy as nplena=cv2.imread("lena.bmp",0)watermark=cv2.imread("watermark.bmp",0)w=watermark[:,:]>0watermark[w]=1r,c=lena.shape#============嵌入过程============t254=np.ones((r,c),dtype=np.uint8)*254lenaH7=cv2.bitwise_and(lena,t254)e=cv2.bitwise_or(lenaH7,watermark)#============提取过程============t1=np.ones((r,c),dtype=np.uint8)wm=cv2.bitwise_and(e,t1)print(wm)w=wm[:,:]>0wm[w]=255#============显示============cv2.imshow("lena",lena)cv2.imshow("watermark",watermark*255)  cv2.imshow("e",e)cv2.imshow("wm",wm)cv2.waitKey()cv2.destroyAllWindows()

转载地址：http://zlklf.baihongyu.com/