python3-opencv库（4）--图片像素运算，利用加权叠加调节图像对比度和亮度

版权声明：转载请注明原作者及出处
本文所涉及的一切图像像素运算，前提都是两张图尺寸相同，通道数相同
import numpy as np
from cv2 import cv2

"""像素运算分为算术运算和逻辑运算，两张图像若想进行像素运算，二者形状必须一致，
数据类型也必须一致"""

"""算术运算有加减乘除，加权叠加，可以用来调节亮度和对比度"""
"""逻辑运算分为与，或，非，可进行遮罩层控制"""
#只有黑白二色的图像，我们称之为mask
#图像的加减乘除都是元素对元素的运算
#==========================算术运算====================================================
def add_demo(img1,img2):
"""像素各个通道对应相加，超过255的截断为255"""
"""白色加任何颜色都是白色，相当于白色覆盖一切"""
"""黑色加任何颜色都不改变原来的颜色，黑色相当于透明"""
dst = cv2.add(img1,img2)
cv2.imshow("add_dst",dst)

def subtract_demo(img1,img2):
"""像素各个通道对应相减，小于零的截断为零"""
"""白色减其他颜色结果不定，会得到五颜六色的结果"""
"""任何颜色减白色都使得像素小于零，截断为零，得到黑色"""
"""黑色减任何颜色会使得该像素小于零，小于零则截断为零，黑色减任何颜色得到黑色"""
"""任何颜色减黑色保持原颜色不变"""
dst = cv2.subtract(img1,img2)
cv2.imshow("subtract_dst",dst)

def divide_demo(img1,img2):
dst = cv2.divide(img1,img2)
cv2.imshow("divide_dst",dst)

def multiply_demo(img1,img2):
dst = cv2.multiply(img1,img2)
cv2.imshow("multiply_dst",dst)
#=========================像素统计=====================================================
def average(img1,img2):
"""展示BGR三个通道各自的平均值"""
"""可以用来统计整幅图像中，BGR中哪种颜色所占比例最大，哪种又是最小"""
mean1 = cv2.mean(img1)
mean2 = cv2.mean(img2)
print(mean1)
print(mean2)

def mean_dev(img1,img2):
"""方法cv2.meanStdDev()不仅可以求出各通道均值，还能求出各通道标准差"""
"""标准差越大说明各个像素之间差异越大"""
"""标准差可以用来判断一张图像是否含有有效信息，标准差过小肯定有问题（纯色图标准差为0）"""
mean1, dev1 = cv2.meanStdDev(img1)
mean2, dev2 = cv2.meanStdDev(img2)
print(mean1)
print(mean2)
print(dev1)
print(dev2)
#==========================逻辑运算====================================================
def logic_and_demo(img1,img2):
"""逻辑与运算，只有两个bit都是1时，两bit的与运算结果才为1"""
"""黑色BGR(0，0，0)数据类型为uint8，所以二进制形态为00000000"""
"""白色BGR(255，255，255)数据类型为uint8，二进制形态为11111111"""
"""由此可见黑色像素与任何颜色进行与运算结果都为黑色，黑色遮挡一切"""
"""白色像素和任何颜色像素进行与运算结果都为原来的颜色，白色相当于透明"""
dst = cv2.bitwise_and(img1,img2)
#注意，若img1或img2中有一个是mask，则它可以作为遮罩层
cv2.imshow("logic_and_dst",dst)

def logic_or_demo(img1,img2):
"""两bit进行或运算，两bit中只要与一个为1，则结果为1"""
"""任何颜色与黑色进行或运算，结果都保持原来的颜色"""
"""任何颜色与白色进行或运算，结果都为白色"""
dst = cv2.bitwise_or(img1,img2)
cv2.imshow("logic_or_dst",dst)

def logic_not_demo(img1):
"""bit_wise_not其实是按位取反，即像素的某个通道二进制形态为10010011，则变为01101100"""
"""注意01101100+10010011=11111111，即255"""
dst = cv2.bitwise_not(img1)
cv2.imshow("logic_not_dst",dst)
#============图像对比度与亮度==================================================================
def contrast_brightness_demo(img,c,b):
    """利用图像的加权叠加来实现对比度的调整，以及亮度的调整，c代表对比度，b代表亮度"""    
    h, w, ch = img.shape #求出img的高和宽和通道数
    blank = np.zeros([h,w,ch],dtype=np.uint8) #生成一张纯黑色图像
    dst = cv2.addWeighted(img,c,blank,1-c,b)
    #cv2.addWeighted()方法表示将img和blank两张图，按照c和1-c的比例加权叠加
    #由于blank是一张纯黑色的图，所有像素都是0，所以等价于将img的所有像素值乘上c(c>1也可以)
    #乘上c之后，2变4,4变8，不同像素之间的差异也就变大了，及对比度提高
    #b表示每个像素的每个通道的值加上b，也就是亮度提高
    cv2.imshow("cb_dst",dst)
#==============================================================================

print("--------------------hello python!--------------------")
#载入素材图像
src1 = cv2.imread("D:/Picture/wallhaven-2712.jpg")
src2 = cv2.imread("D:/Picture/wallhaven-4543.jpg")
print(src1.shape,src2.shape)
src3 = np.zeros([720,1280,3],dtype=np.uint8)
src3.fill(255) #创建纯白图像以备使用
src4 = np.zeros([720,1280,3],dtype=np.uint8) #创建纯黑图像以备使用

#==============================================================================
add_demo(src1,src3)
subtract_demo(src1,src3)
divide_demo(src3,src1)
multiply_demo(src1,src2)
average(src1,src2)
mean_dev(src1,src2)
logic_and_demo(src1,src2)
logic_or_demo(src1,src2)
logic_not_demo(src1)
contrast_brightness_demo(src1,2,20)
#==============================================================================
cv2.waitKey(0)

cv2.destroyAllWindows()