图片像素的数值运算和逻辑运算及对比度调节

         一、算术运算：这个主要包括---------加、减 、乘、除；     

           1、进行两张照片相加处理，利用它自带的add（）函数处理：

 1 import cv2 as cv
 2 
 3 def shu_image(m1,m2):
 4     src=cv.add(m1,m2)  #进行相加处理
 5     cv.imshow(\'add\',src)
 6 
 7 src1=cv.imread(\"D:/hhh.jpg\")
 8 src2=cv.imread(\"D:/hhhh.jpg\")
 9 
10 cv.imshow(\"image1\",src1)
11 cv.imshow(\"image2\",src2)
12 shu_image(src1,src2)
13 
14 cv.waitKey(-1)
15 cv.destoryAllWindows()

       实现效果 如下(这里解释一下add这个窗口结果显示，这个是因为imga1窗口照片黑色部分它的色彩位数是0，而image2窗口照片除微软那个logo 外其余部分色彩在0----255之间，所以结果就是这部分颜色了，其余部分都是按照相加即可）：

    2、进行相减处理，用subtract()函数处理：

 1 import cv2 as cv
 2 
 3 def shu_image(m1,m2):
 4       src=cv.subtract(m1,m2) #相减处理
 5       cv.imshow(\'subtract\',src)
 6 
 7 src1=cv.imread(\"D:/hhh.jpg\")
 8 src2=cv.imread(\"D:/hhhh.jpg\")
 9 
10 cv.imshow(\"image1\",src1)
11 cv.imshow(\"image2\",src2)
12 shu_image(src1,src2)   #是用src1-src2处理的
13 
14 cv.waitKey(-1)
15 cv.destoryAllWindows()

  实现效果如下：

     3、进行相乘处理，使用函数mutiply()处理：

 1 import cv2 as cv
 2 
 3 def shu_image(m1,m2):
 4      src=cv.multiply(m1,m2)
 5      cv.imshow(\'mutiply\',src)
 6 
 7 src1=cv.imread(\"D:/hhh.jpg\")
 8 src2=cv.imread(\"D:/hhhh.jpg\")
 9 
10 cv.imshow(\"image1\",src1)
11 cv.imshow(\"image2\",src2)
12 shu_image(src1,src2)  
13 
14 cv.waitKey(-1)
15 cv.destoryAllWindows()

     实现效果如下：  

        4、进行相除处理，利用函数divide()处理：

 1 import cv2 as cv
 2 
 3 def shu_image(m1,m2):
 4      src=cv.divide(m1,m2)
 5      cv.imshow(\'divide\',src)
 6 
 7 src1=cv.imread(\"D:/hhh.jpg\")
 8 src2=cv.imread(\"D:/hhhh.jpg\")
 9 
10 cv.imshow(\"image1\",src1)
11 cv.imshow(\"image2\",src2)
12 shu_image(src1,src2)   
13 
14 cv.waitKey(-1)
15 cv.destoryAllWindows()

      实现效果如下：

       二、逻辑运算：

            1、逻辑运算函数：

                a、bitwise_and()     与运算

                b、bitwise_or()         或运算

                c、bitwise_not()       非运算

                d、 bitwise_xor()        异或运算

           2、代码操作：

 1 import cv2 as cv
 2 
 3 def luo_image(m1,m2):
 4     src=cv.bitwise_and(m1,m2)  #与运算
 5     cv.imshow(\'and\',src)
 6     src = cv.bitwise_or(m1, m2) #或运算
 7     cv.imshow(\'or\', src)
 8     src = cv.bitwise_not(m1, m2)  #非运算
 9     cv.imshow(\'not\', src)
10     src = cv.bitwise_xor(m1, m2)  #异或运算
11     cv.imshow(\'xor\', src)
12 
13 src1=cv.imread(\"D:/hhh.jpg\")
14 src2=cv.imread(\"D:/hhhh.jpg\")
15 
16 cv.imshow(\"image1\",src1)
17 cv.imshow(\"image2\",src2)
18 luo_image(src1,src2)
19 
20 cv.waitKey(0)
21 cv.destoryAllWindows()

           实现效果如下：

           三、对比度调节，用addWeighted()函数处理：

             这个addWeighted()参数比较多，看一下它标准参数有哪些：

 1 Help on built-in function addWeighted:  2 
 3 addWeighted(...)  4     addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) -> dst  5  . @brief Calculates the weighted sum of two arrays.  6  .  7  . The function addWeighted calculates the weighted sum of two arrays as follows:  8     .   \\f[\\texttt{dst} (I)= \\texttt{saturate} ( \\texttt{src1} (I)* \\texttt{alpha} +  \\texttt{src2} (I)* \\texttt{beta} + \\texttt{gamma} )\\f]  9     .   where I is a multi-dimensional index of array elements. In case of multi-channel arrays, each 10     .   channel is processed independently. 11  . The function can be replaced with a matrix expression: 12  . @code{.cpp} 13     .   dst = src1*alpha + src2*beta + gamma; 14  . @endcode 15     .   @note Saturation is not applied when the output array has the depth CV_32S. You may even get 16     .   result of an incorrect sign in the case of overflow. 17  . @param src1 first input array. 18  . @param alpha weight of the first array elements. 19     .   @param src2 second input array of the same size and channel number as src1. 20  . @param beta weight of the second array elements. 21  . @param gamma scalar added to each sum. 22     .   @param dst output array that has the same size and number of channels as the input arrays. 23  . @param dtype optional depth of the output array; when both input arrays have the same depth, dtype 24     .   can be set to -1, which will be equivalent to src1.depth(). 25     .   @sa  add, subtract, scaleAdd, Mat::convertTo

  然后我们实现功能代码：

 1 import cv2 as cv
 2 import numpy as np
 3 def contrast_bright_image(m1,a,g):
 4     h,w,ch = m1.shape   #获取图片的大小，height,width以及通道
 5     #新建全零图片数组m2,将height和width,类型设置为原图片的通道类型（色素全为0，输出全为黑色）
 6     m2=np.zeros([h,w,ch],m1.dtype)    #利用numpy 的矩阵处理功能
 7     dst=cv.addWeighted(m1,a,m2,1-a,g)
 8     cv.imshow(\'bright\',dst)
 9 src=cv.imread(\"D:/hh.JPG\")
10 cv.namedWindow(\'原来\',cv.WINDOW_NORMAL)
11 cv.imshow(\"原来\",src)
12 contrast_bright_image(src,1.2,30) # 1.2 表示对比度，10表示亮度值
13 
14 cv.waitKey(0)
15 cv.destoryAllWindows()

     效果如下：

              好了今天的分享就到这里了，明天继续加油。