OpenCV-Python快速入门系列05图像像素的算术操作

图像像素的算术操作是一种常见的操作方式，用于增强、融合、调整图像等。数据类型可以不一致，但是大小要一致。

像素算术操作的基本类型

主要包括以下几种算术操作：

1. 加法操作
2. 减法操作
3. 乘法操作
4. 除法操作
5. 按位操作
6. 其他非线性操作（如幂运算、对数运算等）

加法操作

(1) 使用 OpenCV 的 cv2.add()

cv2.add() 会对像素值进行 饱和运算（saturated operation），确保结果在 [0, 255] 范围内。

import cv2
import numpy as np

# 创建两张简单图像
image1 = np.ones((300, 300), dtype=np.uint8) * 120
image2 = np.ones((300, 300), dtype=np.uint8) * 140

# OpenCV 加法
result = cv2.add(image1, image2)

# 打印像素值
print(result[0, 0])  # 输出 255（饱和处理）

cv2.imshow('Addition', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

(2) 使用 NumPy 加法

NumPy 的加法是 模运算，溢出的像素值会绕回。

result = image1 + image2
print(result[0, 0])  # 输出 4（(120 + 140) % 256）

(3) 图片像素相加

def math_demo():
    image = cv.imread('images/test.png')
    if image is None:
        print("Error: Image not found or failed to load.")
        return
    blank_copy = np.zeros_like(image)
    blank_copy[:,:]=(50,50,50)
    cv.imshow('image', image)
    result = cv.add(image,blank_copy)
    cv.imshow('blank_copy', blank_copy)
    cv.imshow('result', result)
    cv.waitKey()
    cv.destroyAllWindows()

s

x

像素相加之后，图像变得更亮了，🤔如果想变暗是不是用减法就行了？

减法操作

(1) 使用 OpenCV 的 cv2.subtract()

cv2.subtract() 会对像素值进行饱和处理，确保结果在 [0, 255] 范围内。

result = cv2.subtract(image2, image1)
print(result[0, 0])  # 输出 20

(2) 使用 NumPy 减法

NumPy 的减法是直接相减，如果结果为负，则会绕回（取模）。

result = image1 - image2
print(result[0, 0])  # 输出 236（(120 - 140) % 256）

图片像素相减

def math_demo():
    image = cv.imread('images/test.png')
    if image is None:
        print("Error: Image not found or failed to load.")
        return
    blank_copy = np.zeros_like(image)
    blank_copy[:,:]=(50,50,50)
    cv.imshow('image', image)
    result = cv.subtract(image,blank_copy)
    cv.imshow('blank_copy', blank_copy)
    cv.imshow('result', result)
    cv.waitKey()
    cv.destroyAllWindows()

很明显，和想象的一样，颜色变得暗了。

乘法操作

(1) 使用 OpenCV 的 cv2.multiply()

cv2.multiply() 用于计算像素的逐元素乘积，支持浮点和整型运算，结果会进行适当截断。

result = cv2.multiply(image1, 2)  # 将 image1 的像素值乘以 2
print(result[0, 0])  # 输出 240

(2) 使用 NumPy 乘法

result = image1 * 2
print(result[0, 0])  # 输出 240

(3)像素乘以2

def math_demo():
    image = cv.imread('images/test.png')
    if image is None:
        print("Error: Image not found or failed to load.")
        return
    blank_copy = np.zeros_like(image)
    blank_copy[:,:]=(2,2,2)
    cv.imshow('image', image)
    result = cv.multiply(image,blank_copy)
    cv.imshow('blank_copy', blank_copy)
    cv.imshow('result', result)
    cv.waitKey()
    cv.destroyAllWindows()

t

对比度提升了。

除法操作

(1) 使用 OpenCV 的 cv2.divide()

cv2.divide() 会对每个像素逐元素相除，支持浮点和整型运算。

image2 = np.ones((300, 300), dtype=np.uint8) * 50
result = cv2.divide(image1, image2)
print(result[0, 0])  # 输出 2

(2) 使用 NumPy 除法

result = image1 / image2
print(result[0, 0])  # 输出 2.4

(3)像素处以2

def math_demo():
    image = cv.imread('images/test.png')
    if image is None:
        print("Error: Image not found or failed to load.")
        return
    blank_copy = np.zeros_like(image)
    blank_copy[:,:]=(2,2,2)
    cv.imshow('image', image)
    result = cv.divide(image,blank_copy)
    cv.imshow('blank_copy', blank_copy)
    cv.imshow('result', result)
    cv.waitKey()
    cv.destroyAllWindows()

（

对比度降低了。

按位操作

(1) 按位与 cv2.bitwise_and()

result = cv2.bitwise_and(image1, image2)
cv2.imshow('Bitwise AND', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

(2) 按位或 cv2.bitwise_or()

result = cv2.bitwise_or(image1, image2)

(3) 按位异或 cv2.bitwise_xor()

result = cv2.bitwise_xor(image1, image2)

(4) 按位取反 cv2.bitwise_not()

result = cv2.bitwise_not(image1)

图像融合

使用 cv2.addWeighted() 可以融合两张图像，按权重进行像素的加权平均。

# 加权融合公式：result = α * image1 + β * image2 + γ
result = cv2.addWeighted(image1, 0.7, image2, 0.3, 0)  # α=0.7, β=0.3, γ=0
cv2.imshow('Weighted Addition', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

非线性操作

(1) 幂运算

result = cv2.pow(image1, 2)  # 像素值平方

(2) 对数运算

result = cv2.log(image1.astype(np.float32) + 1)  # 避免 log(0)

(3) 开平方

result = cv2.sqrt(image1.astype(np.float32))

(4) 指数运算

result = cv2.exp(image1.astype(np.float32))