本文分享自华为云社区《[Python从零到壹] 三十六.图像处理基础篇之图像算术与逻辑运算详解》，作者： eastmount 。

  一.图像加法运算

图像加法运算主要有两种方法。第一种是调用Numpy库实现，目标图像像素为两张图像的像素之和；第二种是通过OpenCV调用add()函数实现。第二种方法的函数原型如下：

  • dst = add(src1, src2[, dst[, mask[, dtype]]])
    – src1表示第一张图像的像素矩阵
    – src2表示第二张图像的像素矩阵
    – dst表示输出的图像，必须和输入图像具有相同的大小和通道数
    – mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
    – dtype表示输出数组的可选深度
注意，当两幅图像的像素值相加结果小于等于255时，则输出图像直接赋值该结果，如120+48赋值为168；如果相加值大于255，则输出图像的像素结果设置为255，如(255+64) 赋值为255。下面的代码实现了图像加法运算。
  
  1. #coding:utf-8
  2. # By：Eastmount
  3. import cv2  
  4. import numpy as np  
  6. #读取图片
  7. img = cv2.imread("luo.png")
  9. #图像各像素加100
  10. m = np.ones(img.shape, dtype="uint8")*100
  12. #OpenCV加法运算
  13. result = cv2.add(img, m)
  15. #显示图像
  16. cv2.imshow("original", img)
  17. cv2.imshow("result", result)
  19. #等待显示
  20. cv2.waitKey(0)
  21. cv2.destroyAllWindows()


  二.图像减法运算
图像减法运算主要调用subtract()函数实现，其原型如下所示：

  • dst = subtract(src1, src2[, dst[, mask[, dtype]]])
    – src1表示第一张图像的像素矩阵
    – src2表示第二张图像的像素矩阵
    – dst表示输出的图像，必须和输入图像具有相同的大小和通道数
    – mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
    – dtype表示输出数组的可选深度
具体实现代码如下所示：
  
  1. #coding:utf-8
  2. # By：Eastmount
  3. import cv2  
  4. import numpy as np  
  6. #读取图片
  7. img = cv2.imread("luo.png")
  9. #图像各像素减50
  10. m = np.ones(img.shape, dtype="uint8")*50
  12. #OpenCV减法运算
  13. result = cv2.subtract(img, m)
  15. #显示图像
  16. cv2.imshow("original", img)
  17. cv2.imshow("result", result)
  19. #等待显示
  20. cv2.waitKey(0)
  21. cv2.destroyAllWindows()


  三.图像与运算
与运算是计算机中一种基本的逻辑运算方式，符号表示为“&”，其运算规则为：

  • 0&0=0
  • 0&1=0
  • 1&0=0
  • 1&1=1
图像的与运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“与”操作，实现图像裁剪。

  • dst = bitwise_and(src1, src2[, dst[, mask]])
    – src1表示第一张图像的像素矩阵
    – src2表示第二张图像的像素矩阵
    – dst表示输出的图像，必须和输入图像具有相同的大小和通道数
    – mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
下面代码是通过图像与运算实现图像剪裁的功能。
  
  1. #coding:utf-8
  2. # By：Eastmount
  3. import cv2  
  4. import numpy as np  
  6. #读取图片
  7. img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
  9. #获取图像宽和高
  10. rows, cols = img.shape[:2]
  11. print(rows, cols)
  13. #画圆形
  14. circle = np.zeros((rows, cols), dtype="uint8")
  15. cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
  16. print(circle.shape)
  17. print(img.size, circle.size)
  19. #OpenCV图像与运算
  20. result = cv2.bitwise_and(img, circle)
  22. #显示图像
  23. cv2.imshow("original", img)
  24. cv2.imshow("circle", circle)
  25. cv2.imshow("result", result)
  27. #等待显示
  28. cv2.waitKey(0)
  29. cv2.destroyAllWindows()


四.图像或运算
逻辑或运算是指如果一个操作数或多个操作数为 true，则逻辑或运算符返回布尔值 true；只有全部操作数为false，结果才是 false。图像的或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“或”操作，实现图像裁剪。其函数原型如下所示：

  • dst = bitwise_or(src1, src2[, dst[, mask]])
    – src1表示第一张图像的像素矩阵
    – src2表示第二张图像的像素矩阵
    – dst表示输出的图像，必须和输入图像具有相同的大小和通道数
    – mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
下面代码是通过图像或运算实现图像剪裁的功能。
  
  1. #coding:utf-8
  2. # By：Eastmount
  3. import cv2  
  4. import numpy as np  
  6. #读取图片
  7. img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
  9. #获取图像宽和高
  10. rows, cols = img.shape[:2]
  12. #画圆形
  13. circle = np.zeros((rows, cols), dtype="uint8")
  14. cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
  16. #OpenCV图像或运算
  17. result = cv2.bitwise_or(img, circle)
  19. #显示图像
  20. cv2.imshow("original", img)
  21. cv2.imshow("circle", circle)
  22. cv2.imshow("result", result)
  24. #等待显示
  25. cv2.waitKey(0)
  26. cv2.destroyAllWindows()


  五.图像非运算
图像非运算就是图像的像素反色处理，它将原始图像的黑色像素点转换为白色像素点，白色像素点则转换为黑色像素点，其函数原型如下：

  • dst = bitwise_not(src1, src2[, dst[, mask]])
    – src1表示第一张图像的像素矩阵
    – src2表示第二张图像的像素矩阵
    – dst表示输出的图像，必须和输入图像具有相同的大小和通道数
    – mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
图像非运算的实现代码如下所示。
  
  1. #coding:utf-8
  2. import cv2  
  3. import numpy as np  
  5. #读取图片
  6. img = cv2.imread("Lena.png", cv2.IMREAD_GRAYSCALE)
  8. #OpenCV图像非运算
  9. result = cv2.bitwise_not(img)
  11. #显示图像
  12. cv2.imshow("original", img)
  13. cv2.imshow("result", result)
  15. #等待显示
  16. cv2.waitKey(0)
  17. cv2.destroyAllWindows()


  六.图像异或运算
逻辑异或运算（xor）是一个数学运算符，数学符号为“⊕”，计算机符号为“xor”，其运算法则为：如果a、b两个值不相同，则异或结果为1；如果a、b两个值相同，异或结果为0。
图像的异或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“异或”操作，实现图像裁剪。其函数原型如下所示：

  • dst = bitwise_xor(src1, src2[, dst[, mask]])
    – src1表示第一张图像的像素矩阵
    – src2表示第二张图像的像素矩阵
    – dst表示输出的图像，必须和输入图像具有相同的大小和通道数
    – mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
图像异或运算的实现代码如下所示。
  
  1. #coding:utf-8
  2. # By：Eastmount
  3. import cv2  
  4. import numpy as np  
  6. #读取图片
  7. img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)
  9. #获取图像宽和高
  10. rows, cols = img.shape[:2]
  12. #画圆形
  13. circle = np.zeros((rows, cols), dtype="uint8")
  14. cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)
  16. #OpenCV图像异或运算
  17. result = cv2.bitwise_xor(img, circle)
  19. #显示图像
  20. cv2.imshow("original", img)
  21. cv2.imshow("circle", circle)
  22. cv2.imshow("result", result)
  24. #等待显示
  25. cv2.waitKey(0)
  26. cv2.destroyAllWindows()