526互联

16.两图像间的像素操作

发布时间 2023-04-09 13:26:09作者: 夏蝉沐雪

1、两张图像的比较运算

OpenCV 4中提供了求取两张图像每一位像素较大或者较小灰度值的max()、min()函数，这两个函数分别比较两个图像中每一位元素灰度值的大小，保留较大（较小）的灰度值，这两个函数的函数原型在代码清单3-13中给出。

代码清单3-13 max()和min()函数原型
1.  void cv::max(InputArray src1,
2.               InputArray src2,
3.               OutputArray dst
4.                  )
5.  void cv::min(InputArray src1,
6.               InputArray src2,
7.               OutputArray dst
8.                  )

  • src1：第一个图像矩阵，可以是任意通道数的矩阵。

  • src2：第二个图像矩阵，尺寸和通道数以及数据类型都需要与src1一致。

  • dst：保留对应位置较大（较小）灰度值后的图像矩阵，尺寸、通道数和数据类型与src1一致。

　　该函数的功能相对来说比较简单，就是比较图像每个像素的大小，按要求保留较大值或者较小值，最后生成新的图像。例如，第一张图像位置像素值为100，第二张图像位置像素值为10，那么输出图像位置像素值为100。在代码清单3-14中给出了这两个函数的代码实现过程以及运算结果，运算结果在图3-9、图3-10和图3-11中给出。这种比较运算主要用在对矩阵类型数据的处理，与掩模图像进行比较运算可以实现抠图或者选择通道的效果。

代码清单3-14 myMaxAndMin.cpp两个矩阵或图像进行比较运算
1.  #include <opencv2\opencv.hpp>
2.  #include <iostream>
3.  #include <vector>
4.  
5.  using namespace std;
6.  using namespace cv;
7.  
8.  int main()
9. {
10.    float a[12] = { 1, 2, 3.3, 4, 5, 9, 5, 7, 8.2, 9, 10, 2 };
11.    float b[12] = { 1, 2.2, 3, 1, 3, 10, 6, 7, 8, 9.3, 10, 1 };
12.    Mat imga = Mat(3, 4, CV_32FC1, a);
13.    Mat imgb = Mat(3, 4, CV_32FC1, b);
14.    Mat imgas = Mat(2, 3, CV_32FC2, a);
15.    Mat imgbs = Mat(2, 3, CV_32FC2, b);
16.  
17.    //对两个单通道矩阵进行比较运算
18.    Mat myMax, myMin;
19.    max(imga, imgb, myMax);
20.    min(imga, imgb, myMin);
21.  
22.    //对两个多通道矩阵进行比较运算
23.    Mat myMaxs, myMins;
24.    max(imgas, imgbs, myMaxs);
25.    min(imgas, imgbs, myMins);
26.  
27.    //对两张彩色图像进行比较运算
28.    Mat img0 = imread("lena.png");
29.    Mat img1 = imread("noobcv.jpg");
30.    if (img0.empty()|| img1.empty())
31.    {
32.      cout << "请确认图像文件名称是否正确" << endl;
33.      return -1;
34.    }
35.    Mat comMin, comMax;
36.    max(img0, img1, comMax);
37.    min(img0, img1, comMin);
38.    imshow("comMin", comMin);
39.    imshow("comMax", comMax);
40.  
41.    //与掩模进行比较运算
42.    Mat src1 = Mat::zeros(Size(512, 512), CV_8UC3);
43.    Rect rect(100, 100, 300, 300);
44.    src1(rect) = Scalar(255, 255, 255); //生成一个低通300*300的掩模
45.    Mat comsrc1, comsrc2;
46.    min(img0, src1, comsrc1);
47.    imshow("comsrc1", comsrc1);
48.  
49.    Mat src2 = Mat(512, 512, CV_8UC3, Scalar(0,0, 255)); //生成一个显示红色通道的低通掩模
50.    min(img0, src2, comsrc2);
51.    imshow("comsrc2", comsrc2);
52.  
53.    //对两张灰度图像进行比较运算
54.    Mat img0G, img1G, comMinG, comMaxG;
55.    cvtColor(img0, img0G, COLOR_BGR2GRAY);
56.    cvtColor(img1, img1G, COLOR_BGR2GRAY);
57.    max(img0G, img1G, comMaxG);
58.    min(img0G, img1G, comMinG);
59.    imshow("comMinG", comMinG);
60.    imshow("comMaxG", comMaxG);
61.    waitKey(0);
62.    return 0;
63.  }

2、两张图像的逻辑运算

　　OpenCV 4针对两个图像像素之间的与、或、异或以及非运算提供了bitwise_and()、bitwise_or()、bitwise_xor()和bitwise_not()四个函数，在代码清单3-15中给出了这四个函数的函数原型。在了解函数用法之前，我们先了解一下图像像素逻辑运算的规则。图像像素间的逻辑运算与数字间的逻辑运算相同，具体规则在图3-12中给出。像素的非运算只能针对一个数值进行，因此在图3-12中对像素求非运算时对图像1的像素值进行非运算。如果像素取值只有0和1的话，那么图中的前4行数据正好对应了所有的运算规则，但是CV_8U类型的图像像素值从0取到255，此时的逻辑运算就需要将像素值转成二进制数后再进行，因为CV_8U类型是8位数据，因此对0求非是11111111，也就是255。在图3-12中最后一行数据中，像素值5对应的二进制为101，像素值6对应的二进制是110，因此与运算得100（4），或运算得111（7），异或运算得011（3），对像素值5进行非运算得11111010（250）。了解了像素的辑运算原理之后，我们再来看OpenCV 4中提供的辑运算函数的使用方法。

  
代码清单3-15 OpenCV 4中像素逻辑运算函数原型
1.  //像素求与运算
2.  void cv::bitwise_and(InputArray src1，
3.                           InputArray src2，
4.                           OutputArray dst，
5.                           InputArray mask = noArray()
6.                           )
7.  //像素求或运算
8.  void cv::bitwise_or(InputArray src1,
9.                     InputArray src2,
10.                     OutputArray dst,
11.                     InputArray mask = noArray()
12.                       )
13.  //像素求异或运算
14.  void cv::bitwise_xor(InputArray src1,
15.                      InputArray src2,
16.                      OutputArray dst,
17.                      InputArray mask = noArray()
18.                        )
19.  //像素求非运算
20.  void cv::bitwise_not(InputArray src,
21.                      OutputArray dst,
22.                      InputArray mask = noArray()
23.                        )

  • src1：第一个图像矩阵，可以是多通道图像数据。

  • src2：第二个图像矩阵，尺寸和通道数以及数据类型都需要与src1一致。

  • dst：逻辑运算输出结果，尺寸和通道数和数据类型与src1一致。

  • mask：掩模，用于设置图像或矩阵中逻辑运算的范围。

　　这几个函数都执行相应的逻辑运算，在进行逻辑计算时，一定要保证两个图像矩阵之间的尺寸、数据类型和通道数相同，多个通道进行逻辑运算时不同通道之间是独立进行的。为了更加直观的理解两个图像像素间的逻辑运算，在代码清单3-16中给出两个黑白图像像素逻辑运算的示例程序，最后运行结果在图3-13中给出。

代码清单3-16 myLogicOperation.cpp两个图像像素逻辑运算
1.  #include <opencv2\opencv.hpp>
2.  #include <iostream>
3.  #include <vector>
4.  
5.  using namespace std;
6.  using namespace cv;
7.  
8.  int main()
9. {
10.    Mat img = imread("lena.png");
11.    if (img.empty())
12.    {
13.      cout << "请确认图像文件名称是否正确" << endl;
14.      return -1;
15.    }
16.    //创建两个黑白图像
17.    Mat img0 = Mat::zeros(200, 200, CV_8UC1);
18.    Mat img1 = Mat::zeros(200, 200, CV_8UC1);
19.    Rect rect0(50, 50, 100, 100);
20.    img0(rect0) = Scalar(255);
21.    Rect rect1(100, 100, 100, 100);
22.    img1(rect1) = Scalar(255);
23.    imshow("img0", img0);
24.    imshow("img1", img1);
25.  
26.    //进行逻辑运算
27.    Mat myAnd, myOr, myXor, myNot, imgNot;
28.    bitwise_not(img0, myNot);
29.    bitwise_and(img0, img1, myAnd);
30.    bitwise_or(img0, img1, myOr);
31.    bitwise_xor(img0, img1, myXor);
32.    bitwise_not(img, imgNot);
33.    imshow("myAnd", myAnd);
34.    imshow("myOr", myOr);
35.    imshow("myXor", myXor);
36.    imshow("myNot", myNot);
37.    imshow("img", img);
38.    imshow("imgNot", imgNot);
39.    waitKey(0);
40.    return 0;
41.  }