OpenCV入门5——OpenCV的算术与位运算

文章目录

  • 图像的加法运算
  • 图像的减法运算
  • 图像的乘除运算
  • 图像的融合
  • OpenCV位运算-非操作
  • OpenCV位操作-与运算
  • OpenCV位操作-或与异或
  • 为图像添加水印

在这里插入图片描述

图像的加法运算

# -*- coding: utf-8 -*-
import cv2
import numpy as npimg = cv2.imread('E://pic//4.jpg')# 图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同的形状# print(img.shape)
# (600, 480, 3)img2 = np.ones((600, 480, 3), np.uint8) * 100
cv2.imshow('origin', img)
res = cv2.add(img, img2)
cv2.imshow('result', res)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

在这里插入图片描述

图像的减法运算

在这里插入图片描述

# -*- coding: utf-8 -*-
import cv2
import numpy as npimg = cv2.imread('E://pic//4.jpg')# 图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同的形状# print(img.shape)
# (600, 480, 3)img2 = np.ones((600, 480, 3), np.uint8) * 100
cv2.imshow('origin', img)
res = cv2.add(img, img2)
cv2.imshow('result', res)img3 = cv2.subtract(res, img2)
cv2.imshow('origin2', img3)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

在这里插入图片描述

# -*- coding: utf-8 -*-
import cv2
import numpy as npimg = cv2.imread('E://pic//4.jpg')# 图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同的形状# print(img.shape)
# (600, 480, 3)img2 = np.ones((600, 480, 3), np.uint8) * 100
cv2.imshow('origin', img)
res = cv2.add(img, img2)
cv2.imshow('result', res)img3 = cv2.subtract(res, img2)
cv2.imshow('origin2', img3)img3 = cv2.subtract(img, img2)
cv2.imshow('origin3', img3)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

可以看出，给一张图做加法运算，它可以变亮一些，做减法运算，可以变暗一些
在这里插入图片描述

图像的乘除运算

无非是让图片亮得更快一些和亮得更慢一些
在这里插入图片描述

图像的融合

在这里插入图片描述

# -*- coding: utf-8 -*-
import cv2
import numpy as npcv2.namedWindow('img', cv2.WINDOW_NORMAL)
back = cv2.imread('E://pic//Nurburgring_1920x1080.jpg')
superman = cv2.imread('E://pic//Man_Of_Steel_superman_superhero_____f_1920x1080.jpg')# 只有两张图片的属性一样才可以融合
# print(back.shape)
# print(superman.shape)
# (1080, 1920, 3)
# (1080, 1920, 3)res = cv2.addWeighted(superman, 0.7, back, 0.3, 0)cv2.imshow('img', res)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

在这里插入图片描述

OpenCV位运算-非操作

在这里插入图片描述

# -*- coding: utf-8 -*-
import cv2
import numpy as npimg = np.zeros((200, 200), np.uint8)
img[50:150, 50:150] = 255cv2.imshow('img', img)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

在这里插入图片描述

# -*- coding: utf-8 -*-
import cv2
import numpy as npimg = 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)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

在这里插入图片描述

OpenCV位操作-与运算

在这里插入图片描述

# -*- coding: utf-8 -*-
import cv2
import numpy as npimg = np.zeros((200, 200), np.uint8)
img2 = np.zeros((200, 200), np.uint8)
img[20:120, 20:120] = 255
img2[80:180, 80:180] = 255# new_img = cv2.bitwise_not(img)cv2.imshow('img', img)
cv2.imshow('img2', img2)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

在这里插入图片描述

# -*- coding: utf-8 -*-
import cv2
import numpy as npimg = np.zeros((200, 200), np.uint8)
img2 = np.zeros((200, 200), np.uint8)
img[20:120, 20:120] = 255
img2[80:180, 80:180] = 255# new_img = cv2.bitwise_not(img)
new_img = cv2.bitwise_and(img, img2)cv2.imshow('img', img)
cv2.imshow('img2', img2)
cv2.imshow('new_img', new_img)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

在这里插入图片描述

OpenCV位操作-或与异或

在这里插入图片描述

# -*- coding: utf-8 -*-
import cv2
import numpy as npimg = np.zeros((200, 200), np.uint8)
img2 = np.zeros((200, 200), np.uint8)
img[20:120, 20:120] = 255
img2[80:180, 80:180] = 255# new_img = cv2.bitwise_not(img)
# new_img = cv2.bitwise_and(img, img2)
new_img = cv2.bitwise_or(img, img2)
new_img2 = cv2.bitwise_xor(img, img2)cv2.imshow('img', img)
cv2.imshow('img2', img2)
cv2.imshow('new_img', new_img)
cv2.imshow('new_img2', new_img2)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

在这里插入图片描述

为图像添加水印

# -*- coding: utf-8 -*-
import cv2
import numpy as np#1. 引入一幅图片 
#2. 要有一个LOGO，需要自己创建
#3. 计算图片在什么地方添加，在添加的地方变成黑色
#4. 利用add，将logo 与 图处叠加到一起cv2.namedWindow('img', cv2.WINDOW_NORMAL)
superman = cv2.imread('E://pic//Man_Of_Steel_superman_superhero_____f_1920x1080.jpg')# 创建水印
logo = np.zeros((200, 200, 3), np.uint8)
mask = np.zeros((200, 200), np.uint8)# 绘制水印
logo[20:120, 20:120] = [0, 0, 255]
logo[80:180, 80:180] = [255, 255, 0]mask[20:120, 20:120] = 255
mask[80:180, 80:180] = 255# 对mask按位取反
m = cv2.bitwise_not(mask)# 选择添加logo的位置
roi = superman[0:200, 0: 200]# 和m进行按位与操作
# 因为roi是三通道，而m是单通道，不能直接相与
tmp = cv2.bitwise_and(roi, roi, mask=m)dst = cv2.add(tmp, logo)superman[0:200, 0:200] = dstcv2.imshow('dst', dst)
cv2.imshow('tmp', tmp)
cv2.imshow('mask', mask)
cv2.imshow('logo', logo)
cv2.imshow('img', superman)
cv2.imshow('m', m)key = cv2.waitKey(0) & 0xff
if key == ord('q'):cv2.destroyAllWindows()

在这里插入图片描述

之后我会持续更新，如果喜欢我的文章，请记得一键三连哦，点赞关注收藏，你的每一个赞每一份关注每一次收藏都将是我前进路上的无限动力 ！！！↖(▔▽▔)↗感谢支持！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/197949.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

ubuntu20源码编译搭建SRS流媒体服务器

ubuntu20源码编译搭建SRS流媒体服务器

第一、下载源码 下载源码，推荐用Ubuntu20： git clone -b develop https://gitee.com/ossrs/srs.git第二、编译 2.1、切换到srs/trunk目录： cd srs/trunk2.2、执行configure脚本 ./configure2.3、执行make命令 make2.4、修改conf/rtmp.c…
阅读更多...
SpringBoot 2.x 实战仿B站高性能后端项目

SpringBoot 2.x 实战仿B站高性能后端项目

SpringBoot 2.x 实战仿B站高性能后端项目 下栽の地止：请看文章末尾 通常SpringBoot新建项目，默认是集成了Maven，然后所有内容都在一个主模块中。 如果项目架构稍微复杂一点，就需要用到Maven多模块。 本文简单概述一下&#xff0c…
阅读更多...
Vue+ElementUI技巧分享：自定义表单项label的文字提示

Vue+ElementUI技巧分享：自定义表单项label的文字提示

文章目录 概要在表单项label后添加文字提示1. 使用 Slot 自定义 Label2. 添加问号图标与提示信息 slot的作用详解1. 基本用法2. 具名插槽 显示多行文字提示的方法1. 问题背景2. 实现多行内容显示3. 样式优化 结语 概要 在Vue和ElementUI的丰富组件库中，定制化表单是…
阅读更多...
数据结构：红黑树的插入实现(C++)

数据结构：红黑树的插入实现(C++)

个人主页 ： 个人主页 个人专栏 ： 《数据结构》 《C语言》《C》《Linux》 文章目录 一、红黑树二、红黑树的插入三、代码实现总结 一、红黑树 红黑树的概念： 红黑树是一颗二叉搜索树，但在每个节点上增加一个存储位表示节点的颜色&…
阅读更多...
基于java web个人财务管理系统

基于java web个人财务管理系统

末尾获取源码 开发语言：Java Java开发工具：JDK1.8 后端框架：SSM 前端：采用JSP技术开发 数据库：MySQL5.7和Navicat管理工具结合 服务器：Tomcat8.5 开发软件：IDEA / Eclipse 是否Maven项目&#x…
阅读更多...
SDUT OJ《算法分析与设计》贪心算法

SDUT OJ《算法分析与设计》贪心算法

A - 汽车加油问题 Description 一辆汽车加满油后可行驶n公里。旅途中有若干个加油站。设计一个有效算法，指出应在哪些加油站停靠加油，使沿途加油次数最少。并证明算法能产生一个最优解。 对于给定的n和k个加油站位置，计算最少加油次数。 I…
阅读更多...
【LeetCode刷题-树】--1367.二叉树中的链表

【LeetCode刷题-树】--1367.二叉树中的链表

1367.二叉树中的链表 方法：枚举 枚举二叉树中的每个节点为起点往下的路径是否与链表相匹配的路径，为了判断是否匹配设计了一个递归函数dfs(root,head),其中root表示当前匹配到的二叉树节点，head表示当前匹配到的链表节点，整个函数…
阅读更多...
opencv(2): 视频采集和录制

opencv(2): 视频采集和录制

视频采集 相关API VideoCapture()cap.read()： 返回两个值，第一个参数，如果读到frame，返回 True. 第二个参数为相应的图像帧。cap.release() VideoCapture cv2.VideoCapture(0) 0 表示自动检测，如果在笔记本上运行&…
阅读更多...
微服务和Spring Cloud Alibaba介绍

微服务和Spring Cloud Alibaba介绍

1、微服务介绍 1.1 系统架构演变 随着互联网的发展，网站应用的规模也在不断的扩大，进而导致系统架构也在不断的进行变化。从互联网早起到现在，系统架构大体经历了下面几个过程: 单体应用架构 —> 垂直应用架构 —> 分布 式架构—>…
阅读更多...
Selenium操作已经打开的Chrome浏览器窗口

Selenium操作已经打开的Chrome浏览器窗口

Selenium操作已经打开的Chrome浏览器窗口 0. 背景 在使用之前的代码通过selenium操作Chrome浏览器时，每次都要新打开一个窗口，觉得麻烦，所以尝试使用 Selenium 获取已经打开的浏览器窗口，在此记录下过程 本文使用 chrome浏览器来…
阅读更多...
springboot引入redisson分布式锁及原理

springboot引入redisson分布式锁及原理

1.引入依赖 <dependency><groupId>org.redisson</groupId><artifactId>redisson</artifactId><version>3.13.6</version> </dependency>2.配置类创建bean /*** author qujingye* Classname RedissonConfig* Description TOD…
阅读更多...
基于单片机的水位检测系统仿真设计

基于单片机的水位检测系统仿真设计

**单片机设计介绍&#xff0c; 基于单片机的水位检测系统仿真设计 文章目录 一 概要二、功能设计设计思路 三、 软件设计原理图 五、 程序六、 文章目录 一 概要 基于单片机的水位检测系统仿真系统是一种用于模拟水位检测系统的工作过程&#xff0c;以验证设计方案的可行性和优…
阅读更多...
CCRC认证是什么？

CCRC认证是什么？

什么是CCRC认证&#xff1f; 信息安全服务资质&#xff0c;是信息安全服务机构提供安全服务的一种资格&#xff0c;包括法律地位、资源状况、管理水平、技术能力等方面的要求。 信息安全服务资质&#xff08;CCRC&#xff09;是依据国家法律法规、国家标准、行业标准和技术规范…
阅读更多...
系列五、怎么查看默认的垃圾收集器是哪个？

系列五、怎么查看默认的垃圾收集器是哪个？

一、怎么查看默认的垃圾收集器是哪个 java -XX:PrintCommandLineFlags -version
阅读更多...
main.js 中的 render函数

main.js 中的 render函数

按照之前的单组件文件中的写法&#xff0c;我们的写法应该是这样的 import App from ./App.vuenew Vue({el: #app,templete: <App></App>,components: {App}, }) 1、定义el根节点。2、注册App组件。3、渲染 templete 模板 但是在脚手架工程中&#xff0c;他是这…
阅读更多...
excel中vlookup用法

excel中vlookup用法

excel中vlookup用法 用法示例 参数说明 参数1&#xff1a;E1用于匹配的字段 参数2&#xff1a;E1:F4&#xff0c;匹配表格范围 参数3&#xff1a;要取的字段属于匹配表格范围的第几列 数据4&#xff1a;精确匹配
阅读更多...
react实现步进器

react实现步进器

创建一个步进器组件&#xff0c;包含当前步骤&#xff08;currentStep&#xff09;的状态以及前进和后退的操作&#xff1a; import React, { useState } from react;function Stepper() {const [currentStep, setCurrentStep] useState(1);const handleNext () > {setCu…
阅读更多...
python-opencv 培训课程作业

python-opencv 培训课程作业

python-opencv 培训课程作业 作业一&#xff1a; 第一步&#xff1a;读取 res 下面的 flower.jpg&#xff0c;读取彩图&#xff0c;并用 opencv 展示 第二步&#xff1a;彩图 -> 灰度图 第三步&#xff1a;反转图像&#xff1a;最大图像灰度值减去原图像&#xff0c;即可得…
阅读更多...
2023.11.18 - hadoop之zookeeper分布式协调服务

2023.11.18 - hadoop之zookeeper分布式协调服务

1.zookeeper简介 ZooKeeper概念: Zookeeper是一个分布式协调服务的开源框架。本质上是一个分布式的小文件存储系统 ZooKeeper作用: 主要用来解决分布式集群中应用系统的一致性问题。 ZooKeeper结构: 采用树形层次结构&#xff0c;没有目录与文件之分,ZooKeeper树中的每个节点被…
阅读更多...
linux文件IO

linux文件IO

文件IO截断 截断对文件的偏移量没有影响。
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023