一、數值運算（調節亮度，調整對比度）
OpenCV提供的圖片色素的處理函數（運算的要求：兩張圖片的shape要一樣）：
（1）相加：add()

（2）相減：subtract()

（3）相乘：divide()

（4）相除：multiply()

原理就是：通過獲取兩張（一次只能是兩張）個圖片的同一個位置的色素值來實現運算，黑色是0，白色為255，當大于255會為白色，小于0為黑色。

import cv2 as cv#數值運算：加減乘除def shu_image(src11, src22):src = cv.add(src11, src22)#加cv.imshow("add", src)src = cv.subtract(src11, src22)#減cv.imshow("subtract", src)src = cv.divide(src11, src22)#乘cv.imshow("divide", src)src = cv.multiply(src11, src22)#除cv.imshow("multiply", src)src1 = cv.imread("D:/images/demo1.png")src2 = cv.imread("D:/images/demo2.png")cv.imshow("11", src1)cv.imshow("22", src2)shu_image(src1, src2)cv.waitKey(0)cv.destroyAllWindows()

（5）獲取各個通道的均值

 m = cv.mean(image)print(m)  #都過小則偏暗，單個過大的通道可認為是主色彩

（6）獲取每個圖像的方差

m,dev = cv.meanStdDev(image)    #返回均值和方差，分別對應3個通道
print(m)
print(dev)    過大說明像素間的差異就大

若dev小，則說明圖片的色彩差異（對比性）是較小的，若整張圖片同色，則方差是0，均值是0，可以用來查看掃描儀中是否有信息丟失（方差小于一個預值，則失效，丟棄）
二、邏輯運算（遮罩層控制）
1，opencv提供圖片像素的處理函數：

與：bitwise_add() （類似于遮罩，當我們使用白色遮罩）

或：bitwise_or()

非：bitwise_not() （對一張圖片取反）

異或：bitwise_xor()

import cv2 as cv#邏輯運算：與或非的操作
def luo_image(src11, src22):src = cv.bitwise_and(src11, src22) # 兩張圖片同一位置的色素兩個值均不為零的才會有輸出cv.imshow("與", src)src = cv.bitwise_or(src11, src22)  # 兩張圖片同一位置的色素兩個值不全為零的才會有輸出cv.imshow("或", src)src = cv.bitwise_not(src11)        # 對一張圖片操作  取反cv.imshow("非", src)src = cv.bitwise_xor(src11, src22) # 兩張圖片同一位置的色素兩個值有一個為零，另一個不為零才會輸出cv.imshow("異或", src)src1 = cv.imread("D:/images/demo1.png")src2 = cv.imread("D:/images/demo2.png")cv.imshow("11", src1)cv.imshow("22", src2)luo_image(src1, src2)cv.waitKey(0)cv.destroyAllWindows()

2，針對視頻中inrange，先將image二值化，提取出目標對象，然后再與原圖bitwise_and，就會把目標對象提取出來關于lower_hsv 和 upper_hsv 的取值參見下表：

import cv2 as cv
import numpy as npdef extrace_object_demo():                                 #追蹤有顏色的對象capture = cv.VideoCapture("D:/vcprojects/images/video.mp4")while(True):ret, frame = capture.read()    #frame是每一幀圖像，ret是返回值，為0是表示圖像讀取完畢if ret == False:break;hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV) lower_hsv = np.array([37, 43, 46])upper_hsv = np.array([77, 255, 255])mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv) #該函數輸出的dst是一幅二值化之后的圖像（是將滿足我們的圖像對象所有位都設為1白色，不滿足設置為0黑色）dst = cv.bitwise_and(frame, frame, mask=mask) #提取出目標對象，然后再與原圖bitwise_and，就會把目標對象提取出來cv.imshow("video", frame)cv.imshow("mask", mask)cv.imshow("dst", dst)c = cv.waitKey(40)if c == 27: #退出break

3，調整亮度和對比度 addWeighted

def contrast_brightness_demo(image,c,b):''':param image:   原圖:param c:   對比度 是將像素乘與c,原來2，4---->4, 8  差距由2--->4導致對比增強:param b:   亮度  是將每個像素點加上相關亮度:return:'''h,w,ch = image.shapeblank = np.zeros([h,w,ch],image.dtype)　　#創建一個全黑圖像dst = cv.addWeighted(image,c,blank,1-c,b)cv.imshow("dst",dst)

說明

基本原理：兩張圖片合成。dst = src1alpha+src2beta+gamma
對比度：制造一個全黑(像素為0),通過權重相加，乘以倍數就會使像素之間的差異性成倍增大，對比度提升
亮度：+像素值，讓圖片像素往255靠近，(255,255,255)是白色，圖片越來越亮

1、第1個參數，輸入圖片1，
2、第2個參數，圖片1的融合比例
3、第3個參數，輸入圖片2
4、第4個參數，圖片2的融合比例
5、第5個參數，偏差
6、第6個參數，輸出圖片

總結

以上是生活随笔為你收集整理的OpenCV+python：像素运算的全部內容，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。