算术运算
加减乘除，但必须两个图像要一致，即cv.shape一致
def add_function(image1, image2):
"""
像素相加：
其中白色就是255，再加也是白色； 黑色是 0,
"""
image = cv.add(image1, image2)
cv.imshow("add", image)
def subtract_function(image1, image2):
"""
像素相减：
白色可以减去任何颜色;
但是黑色减其他颜色为负数，根据无符号数uint8，负数都看做0
"""
image = cv.subtract(image1, image2)
cv.imshow("subtract", image)
def multiply_function(image1, image2):
"""
像素相乘：
根据像素模糊，白色区域附近不是平滑的，所以白色附近像素有花;
"""
image = cv.multiply(image1, image2)
cv.imshow("multiply", image)
def other(image):
"""
图像均值,均值越高，证明色彩越多;
方差：方差越小，色差越小，如果黑白图片的方差就很高了
"""
image_mean, image_staddev = cv.meanStdDev(image)
print("均值：\n %s" % image_mean)
print("方差：\n %s" % image_staddev)
算术运算
逻辑运算，即按位与，或，非
def logic_function(image1, image2):
and_image = cv.bitwise_and(image1, image2) # 按位与
or_image = cv.bitwise_or(image1, image2) # 按位或
non_image = cv.bitwise_not(image1) # 按位非
cv.imshow("and_image", and_image)
cv.imshow("or_image", or_image)
cv.imshow("non_image", non_image)
按位运算
改变亮度和对比度
def control_brightness(image, c, b):
h, w, ch = image.shape
blank = np.zeros([h, w, ch], image.dtype)
# 按比例融合，image 的 c 比例，而 blank 的 1-c 比例
dst = cv.addWeighted(image, c, blank, 1-c, b)
cv.imshow("control_brightness", dst)
control_brightness(src, 1.5, 10)，亮度10，对比度1.5
control_brightness(src, 1.2, 100)，亮度100，对比度1.2
