OpenCV-Python学习(七)：图像的基本运算及mask掩膜

1.图像的基本运算
- 加、减法
- 图像混合
- 按位运算
2.mask掩膜

一、图像的基本运算

加、减法

饱和运算：当运算结果大于一个上限或小于一个下限时，结果就等于上限或下限。
opencv的加、减法就是一种饱和运算。

加法、减法
    add(src1, src2, dst=None, mask=None, dtype=None)
    subtract(src1, src2, dst=None, mask=None, dtype=None)

示例:

# 加、减法
import cv2
import numpy

x = numpy.uint8([250])
y = numpy.array([10], dtype=numpy.uint8)

# OpenCV的加、减法是一种饱和运算
print(cv2.add(x, y))  # 250+10=260 ==> 255
print(cv2.subtract(y, x))  # 10-250=-240 ==> 0

# Numpy的加、减法是一种模运算
print(numpy.add(x, y))  # 250+10=260 %256 = 4
print(numpy.subtract(y, x))  # 10-250=-240 %256 = 16

图像混合

图像混合
    addWeighted(src1, alpha, src2, beta, gamma, dst=None, dtype=None)

    参数:
        src1: first input array.
        alpha: weight of the first array elements.
        src2: second input array of the same size and channel number as src1.
        beta: weight of the second array elements.
        gamma: scalar added to each sum.
        dst: output array that has the same size and number of channels as the input arrays.
        dtype: optional depth of the output array; when both input arrays have the same depth, dtype
    
        示例: dst = cv2.addWeighted(img1,0.7,img2,0.3,0)
            则 dst = img1*0.7 + img2*0.3 + 0

示例:

import cv2

img1 = cv2.imread("image/1.jpg")
img2 = cv2.imread("image/6.jpg")

add_mix1 = cv2.add(img1, img2)
addWeighted_mix2 = cv2.addWeighted(img1, 0.5, img2, 0.5, 0)
addWeighted_mix3 = cv2.addWeighted(img1, 0.3, img2, 0.7, 0)

cv2.imshow("add_mix1", add_mix1)
cv2.imshow("addWeighted_mix2", addWeighted_mix2)
cv2.imshow("addWeighted_mix3", addWeighted_mix3)
cv2.waitKey(0)
cv2.destroyAllWindows()

按位运算

按位运算: AND、OR、NOT、XOR
    bitwise_not(src, dst=None, mask=None)
    bitwise_and(src1, src2, dst=None, mask=None)
    bitwise_or(src1, src2, dst=None, mask=None)
    bitwise_xor(src1, src2, dst=None, mask=None)

    参数:
        src、src1、src2: 输入(数组或一个标量)。
        dst: 输出(数组或一个标量，与输入的size和type一致)。
        mask: 掩膜，可选操作掩码，8位的单通道矩阵，即指定要更改的输出数组的元素。

示例:

import cv2

# 图像二值化
gray = cv2.imread("image/1.jpg", cv2.IMREAD_GRAYSCALE)
ret, mask = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

# 按位运算
mask_not = cv2.bitwise_not(mask)
mask_and1 = cv2.bitwise_and(mask, mask)
mask_and2 = cv2.bitwise_and(mask, mask_not)
mask_or1 = cv2.bitwise_or(mask, mask)
mask_or2 = cv2.bitwise_or(mask, mask_not)
mask_xor1 = cv2.bitwise_xor(mask, mask)
mask_xor2 = cv2.bitwise_xor(mask, mask_not)

cv2.imshow("mask", mask)
cv2.imshow("mask_not", mask_not)
cv2.imshow("mask_and1", mask_and1)
cv2.imshow("mask_and2", mask_and2)
cv2.imshow("mask_or1", mask_or1)
cv2.imshow("mask_or2", mask_or2)
cv2.imshow("mask_xor1", mask_xor1)
cv2.imshow("mask_xor2", mask_xor2)
cv2.waitKey(0)
cv2.destroyAllWindows()

二、mask掩膜

1、OpenCV中的mask掩膜原理

OpenCV中的mask掩膜原理：

掩模一般是小于等于源图像的单通道矩阵，掩模中的值分为两种0和非0。
当mask掩膜中的值不为0，则将源图像拷贝到目标图像，当mask中的值为0，则不进行拷贝，目标图像保持不变。
以 dst=cv2.bitwise_and(src1, src2, mask) 为例，先进行src1和src2的 "与" 运算，所得结果再与mask进行掩膜运算(mask为非0的则拷贝到dst中)。

2、掩膜运用实例

掩膜运用实例: 将img2图片中的一部分作为logo粘贴到另一张图片img1上，且不想要透明效果。
步骤：

1.截取img1中的感兴趣区域roi,区域大小与img2相同(得到一个感兴趣区域roi)
rows,cols,channels = img2.shape
roi = img1[0:rows,0:cols]
2.先将img2转化为灰度图，再转化为二值化图(得到二值化图mask)
3.对mask使用"非"操作颠倒黑白(得到mask_inv)
4.对感兴趣区域roi进行mask掩膜，得到感兴趣区域背景图roi_bg = cv2.bitwise_and(roi,roi,mask=mask)
这里mask=mask还是mask=mask_inv要根据具体的二值化图进行分析。
5.对img2进行mask掩膜，得到前景图img2_fg = cv2.bitwise_and(img2,img2,mask=mask_inv)
这里mask=mask还是mask=mask_inv要根据具体的二值化图进行分析。
6.将roi_bg背景图和img2_fg前景图混合，得到混合图dst = cv2.add(roi_bg,img2_fg)
7.最后，将混合图dst覆盖img1的感兴趣区域，img1[0:rows,0:cols] = dst

代码示例：

import cv2
import matplotlib.pyplot as plt

img1 = cv2.imread("image/mask_img1.jpg")
img2 = cv2.imread("image/mask_img2.jpg")

# 1.截取img1中的感兴趣区域
rows, cols, channels = img2.shape
roi = img1[0:rows, 0:cols]

# 2.将img2转化为灰度图，再转化为二值化图mask
img2_gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
ret, mask = cv2.threshold(img2_gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

# 3.对mask做"与"操作颠倒黑白，得到mask_inv
mask_inv = cv2.bitwise_not(mask)

# 4.对roi进行掩膜操作，得到感兴趣区域背景图roi_bg
roi_bg = cv2.bitwise_and(roi, roi, mask=mask)

# 5.对img2进行掩膜操作，得到img2的前景图img2_fg
img2_fg = cv2.bitwise_and(img2, img2, mask=mask_inv)

# 6.混合背景图和前景图，得到混合图dst
dst = cv2.add(roi_bg, img2_fg)

# 7.将混合图dst覆盖img1的感兴趣区域，得到最终的效果图
img1_after = img1.copy()
img1_after[0:rows, 0:cols] = dst

# 结合Matplotlib展示多张图片
titles = ['img1', 'img2', 'roi', 'mask', 'mask_inv', 'roi_bg', 'img2_fg', 'dst', 'img1_after']
images = [img1, img2, roi, mask, mask_inv, roi_bg, img2_fg, dst, img1_after]
for i in range(9):
    plt.subplot(3, 3, i + 1)
    plt.imshow(images[i][..., ::-1], cmap="gray")
    plt.title(titles[i])
    plt.xticks([])
    plt.yticks([])
plt.show()

结果如下：