Python 图像处理 OpenCV （4）：图像算数运算以及修改颜色空间

前文传送门：

图像加法

图像加法有两种方式，一种是通过 Numpy 直接对两个图像进行相加，另一种是通过 OpenCV 的 add() 函数进行相加。

不管使用哪种方法，相加的两个图像必须具有相同的深度和类型，简单理解就是图像的大小和类型必须一致。

Numpy 加法

Numpy 的运算方法是： img = img1 + img2 ，然后再对最终的运算结果取模。

当最终的像素值 <= 255 时，则运算结果直接为 img1 + img2 。
当最终的像素值 > 255 时，则运算的结果需对 255 进行取模运算。

OpenCV 加法

OpenCV 的运算方式是直接调用 add() 函数进行的，这时的运算方式是饱和运算。

当最终的像素值 <= 255 时，则运算结果直接为 img1 + img2 。
当最终的像素值 > 255 时，这时则是饱和运算，结果固定为 255 。

两种加法方式对应的示例如下：

import cv2 as cv

# 读取图像
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

test = img

# Numpy 加法
result1 = img + test

# OpenCV 加法
result2 = cv.add(img, test)

# 显示图像
cv.imshow("img", img)
cv.imshow("result1", result1)
cv.imshow("result2", result2)

# 等待显示
cv.waitKey()
cv.destroyAllWindows()

结果如下：

可以看到，使用 Numpy 取模加法的图片整体更偏绿色，而使用 OpenCV 饱和运算的加法，整体颜色更偏白色。

图像融合

图像融合其实也是一种图像加法，但是它和图像加法不同的是对图像赋予不同的权重，可以使图像具有融合或者透明的感觉。

图像加法： img = img1 + img2

图像融合： img = img1 * alpha + img2 * beta + gamma

图像融合用到的函数为 addWeighted() 具体如下：

dst = cv.addWeighter(img1, alpha, img2, beta, gamma)
dst = img1 * alpha + img2 * beta + gamma

这里的 alpha 和 beta 都是系数，而 gamma 则是一个亮度调节量，不可省略。

下面这个示例中，我又找了一张下雨的图片，用这张图片和马里奥做一个图像融合的案例：

import cv2 as cv

# 读取图像
img1 = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
img2 = cv.imread("rain.jpg", cv.IMREAD_UNCHANGED)

# 图像融合
img = cv.addWeighted(img1, 0.4, img2, 0.6, 10)

# 显示图像
cv.imshow("img1", img1)
cv.imshow("img2", img2)
cv.imshow("img", img)

# 等待显示
cv.waitKey()
cv.destroyAllWindows()

结果如下：

图像融合时需要注意的和上面一致，需要图像大小是相等的，上面的示例这两张图片都是像素为 560 * 310 且都为 RGB 的图片。

改变颜色空间

OpenCV 中有超过150种颜色空间转换方法。我们先介绍两种最常用的： BGR <-> 灰度和 BGR <-> HSV 。

对于改变颜色空间，我们使用 cvtColor(input_image, flag) 函数，其中的 flag 为转换的类型。

一些常见的 flag 值：

# BGR 转 灰度
cv.COLOR_BGR2GRAY
# BGR 转 HSV
cv.COLOR_BGR2HSV
# BGR 转 RGB
cv.COLOR_BGR2RGB
# 灰度 转 BGR
cv.COLOR_GRAY2BGR

可以很清楚的看到， flag 的命名非常的通俗易懂，如果想要获取其他所有的标记，可以使用下面这段代码：

import cv2 as cv

flags = [i for i in dir(cv) if i.startswith('COLOR_')]

print(flags)

结果就不贴了，挺长的。

注意： HSV 的色相范围为 [0,179] ，饱和度范围为 [0,255] ，值范围为 [0,255] 。不同的软件使用不同的范围。因此，如果需要将 OpenCV 值和它们比较，则需要将这些范围标准化。

我们使用 cvtColor() 这个函数将马里奥转化成灰度图像，示例如下：

import cv2 as cv

# 读取图像
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)

# 图像类型转换
result = cv.cvtColor(img, cv.COLOR_RGB2GRAY)

# 图像展示
cv.imshow("img", img)
cv.imshow("result", result)

# 等待显示
cv.waitKey()
cv.destroyAllWindows()

结果如下：