今天的學習的內容是：通過 Python OpenCV 對圖像實現乘除操作，涉及函數為 cv2.multiply 與 cv2.divide。后面又補充了一些像素的邏輯運算，以及一個綜合案例

cv2.multiply

該函數的語法格式如下：

cv2.multiply(src1, src2, dst=None, scale=None, dtype=None)

參數說明：
src1：第一張圖像
src2：第二張圖像
dst：可選參數，目標圖像，需要提前分配空間，可省略
mask：掩膜
scale：縮放比，常量，即在 src1*src2 的基礎上再乘 scale
dtype：輸出圖像數組的深度，默認等于-1

測試下面的代碼，嘗試之后，發現乘法很容易就全黑或者全白，畢竟兩個數字相乘知乎，很容易超過 255。

import cv2 as cvdef multiply_demo(src1, src2):ret = cv.multiply(src1, src2)cv.imshow("multiply_demo", ret)cv.waitKey(0)if __name__ == "__main__":src1 = cv.imread("./18_3.jpeg")src2 = cv.imread("./18_4.jpg")multiply_demo(src1, src2)

如果 cv2.multiply 函數的第二個圖像為一個標量，那運行結果是針對單一通道進行疊加。

import cv2 as cvfrom matplotlib import pyplot as pltdef multiply_demo(src1, src2):ret = cv.multiply(src1, 1.5)plt.subplot(121), plt.imshow(src1), plt.title('src1')plt.subplot(122), plt.imshow(ret), plt.title('ret')plt.show()if __name__ == "__main__":src1 = cv.imread("./18_3.jpeg")src2 = cv.imread("./18_4.jpg")multiply_demo(cv.cvtColor(src1,cv.COLOR_BGR2RGB), cv.cvtColor(src2,cv.COLOR_BGR2RGB))

運行效果截圖：

cv2.divide

該函數的語法格式為：

divide(src1, src2, dst=None, scale=None, dtype=None)

本部分與相乘基本一致，圖像相除最后很容易得到一個全黑的圖。

具體可以自行嘗試。

像素的邏輯運算

像素的邏輯運算涉及與、或、非、異或等基本運算（要進行邏輯運算，兩張圖片的形狀（shape）必須一樣）

對應函數的格式如下

cv2.bitwise_and(src1, src2,mask)

作用：對二進制數據進行“與”操作，即對圖像（灰度圖像或彩色圖像均可）每個像素值進行二進制“與”操作，1&1=1，1&0=0，0&1=0，0&0=0，
這個里面的掩膜非常有用，我們細說一下。

在徹底學習演膜之前，需要接觸一個新的概念，又要學習新東西啦。

而且在接下來的幾篇博客，都要圍繞演膜與 ROI 展開，因為在學習的時候，發現這部分知識很重要。

ROI（感興趣區域，英文全稱叫做 Region Of Internet）

下面我們實現找到 ROI，并且移動 ROI，代碼如下：

下述代碼測試圖片，使用的是：

我們要獲取的是蕾姆的犄角

import cv2 as cvpath = r"1919.jpeg"# 讀取圖片 image = cv.imread(path) # 輸出圖片形狀 # 注意輸出的元組（rows,cols,dtype） print(image.shape) # cv.imshow("image", image) # 捕捉犄角區域 horn = image[60:100, 180:240] # cv.imshow("horn", horn) # 框選犄角區域 # image = cv.rectangle(image, (180, 55), (240, 105), (0, 0, 255), thickness=2) # print(horn.shape) # 拷貝一個犄角 # image[60:100, 120:180] = image[60:100, 180:240] # 只要形狀大小相同就可以移動 ROI 到另一部分 # image[100:140, 220:280] = horn # 犄角轉換成灰度圖 horn = cv.cvtColor(horn, cv.COLOR_BGR2GRAY) # 灰度圖在轉換成BGR圖 back_horn = cv.cvtColor(horn, cv.COLOR_GRAY2BGR) # image[250:370, 250:350] = back_horn image[60:100, 180:240] = back_horncv.imshow("Region Of Interest(ROI)", horn) cv.imshow("horn", image)cv.waitKey() cv.destroyAllWindows()

上述代碼，你可以在學習過程中自行解開查閱。重點部分都已經寫在注釋里面了。

獲取到犄角圖之后，我們在對其進行二值化操作，具體代碼如下

import cv2 as cvpath = r"1919.jpeg"# 讀取圖片 image = cv.imread(path) # 輸出圖片形狀 # 注意輸出的元組（rows,cols,dtype） print(image.shape) # cv.imshow("image", image) # 捕捉犄角區域 horn = image[60:100, 180:240]# 犄角轉換成灰度圖 gray_horn = cv.cvtColor(horn, cv.COLOR_BGR2GRAY)# 獲取到了犄角的二值化圖像 thresh, mask = cv.threshold(gray_horn, 160, 255, cv.THRESH_BINARY)# 獲取 mask 的反色圖像 mask_inv = cv.bitwise_not(mask) # cv.imshow("mask", mask)# 打開一個彩色糖果圖片 colors = cv.imread(r"colors.jpg") # 選中一塊與 mask 相同大小的 ROI rows, cols = mask.shape[:2] pie_colors = colors[10:10+rows, 20:20+cols] print(pie_colors.shape) print(mask.shape) cv.imshow("pie_colors", pie_colors)# 選出犄角部分 img1_bg = cv.bitwise_and(horn, pie_colors, mask=mask) # cv.imshow("img1_bg", img1_bg) img2_fg = cv.bitwise_and(horn, horn, mask=mask_inv) # cv.imshow("img2_fg", img2_fg) # 兩個犄角合并在一起 add_img = image.copy() # 對原圖像進行拷貝 dst = cv.addWeighted(img1_bg, 0.3, img2_fg, 1, 0) # cv.imshow("dst", dst) add_img[60:100, 180:240] = dst # image[60:100, 180:240] = back_horncv.imshow("origin", image) cv.imshow("new", add_img)cv.waitKey() cv.destroyAllWindows()

上面的代碼，理解起來有寫難度，本階段先嘗試理解即可（橡皮擦在寫的時候，也暈掉了，總感覺缺少一些知識，沒有吃透）

用到了以前學習的二值化操作，用到了灰度圖，也用到了圖像疊加。

也有可能是因為案例選擇的不好，最后更換犄角之后的圖片很難看，如下圖所示。

看起來，缺少一部分融合的效果。后面知識比較全面之后，可能對這些理解會更加深入。

效果雖然丑爆了，但是終究是能操作指定區域了。

上述代碼也用到了下面的邏輯運算，先理解含義，后面逐步展開內容。

cv2.bitwise_or(src1, src2,mask)

作用：對不同通道相同位置的二進制值進行"或"運算(對應位置只要有一個為 1,結果就為 1)。

cv2.bitwise_not()

作用：按位取反

cv2.bitwise_xor(src1,src2,dst,mask)

作用：輸出兩個圖像的異或 dst = src1 ^ src2

測試代碼如下：

import cv2 import numpy as np from matplotlib import pyplot as pltsrc1 = cv2.imread('18_1.jpg') src2 = cv2.imread('18_2.jpg') d_and = cv2.bitwise_and(src1, src2) d_or = cv2.bitwise_or(src1, src2) d_not = cv2.bitwise_not(src1) d_xor = cv2.bitwise_xor(src1, src2)title = ['src1', 'src2', 'and', 'or', 'not', 'xor'] images = [src1, src2, d_and, d_or, d_not, d_xor] for i in range(6):plt.subplot(2, 3, i+1)plt.imshow(cv2.cvtColor(images[i], cv2.COLOR_BGR2RGB), 'gray'), plt.title(title[i]) plt.show()

代碼運行之后的效果如圖：

下篇博客，將使用之前的內容，加上像素的邏輯運算完成一個【扣章效果】。

學習完今天的效果之后，發現對以前學過的地方有遺漏，后面幾篇博客，基于已經學習的知識，好好夯實幾天吧。

OpenCV 尾聲

1 個小時又過去了，對 Python OpenCV 相關的知識點，你掌握了嗎？

空閑之余，可以訂閱橡皮擦的爬蟲百例課程學習爬蟲知識。

想學 Python 爬蟲，可以訂閱橡皮擦專欄哦~ 🈲🈲🈲🈲 點擊發現驚喜 🈲🈲🈲🈲

---

今天是持續寫作的第 56 / 100 天。
如果你有想要交流的想法、技術，歡迎在評論區留言。

---

如果你想跟博主建立親密關系，可以關注同名公眾號 夢想橡皮擦，近距離接觸一個逗趣的互聯網高級網蟲。
博主 ID：夢想橡皮擦，希望大家點贊、評論、收藏。

總結

以上是生活随笔為你收集整理的Python OpenCV 之图像乘除与像素的逻辑运算，图像处理取经之旅第 17 天的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。