【OpenCV-Python-课程（贾）】OpenCV3.3课程笔记：像素处理，像素值的逻辑运算（与、或、非、异或，bitwise）、算术运算（加减乘除），饱和运算(add)，遮罩层控制（mask）

像素逻辑运算，一般用来进行遮罩层控制。

假如我们有一个遮罩层图像，只想要遮罩图的白色区域显示原图，就可以用到与运算（AND）；因为这时候白色区域的像素运算结果取决于原图，而黑色区域的运算结果一定是黑色。

或运算（OR）能够得到一个区域上互补性地更加接近上边界值的图像，也即局部亮度提升。

非运算（NOT）和被减数是最大像素值时的减法算术运算结果相同，比如NOT 100（十进制，对应的二进制是01100100） = 155（十进制，对应的二进制是 10011011），也就是说100的非值就等于255-100。

非运算（NOT）就是反相操作，白的变成黑的，黑的变成白的。

异或运算（XOR）一般用来判断两个图像是否相同，如果相同最后生成纯黑色图像，如果不同就会有白色块，并且使用sum()函数把所有元素加起来会发现不为0。

各个运算的API

• cv2.bitwise_and(src1, src2)
• cv2.bitwise_or(src1, src2)
• cv2.bitwise_not(src1, src2)
• cv2.bitwise_nor(src1, src2)

遮罩层控制指用上面提到的与运算API（bitwise_and），设置参数mask，实现只显示遮罩图像的透光（白色）区域。

cv.bitwise_and(src, src, mask)

像素算术运算，可以改变图像的亮度（暗度）。

各个运算的API

• cv2.add(src1, src2, dst, mask, dtype)
• cv2.subtract(src1, src2, dst, mask, dtype)
• cv2.multiply(src1, src2, dst, mask, dtype)
• cv2.divide(src1, src2, dst, mask, dtype)

src1和src2既可以都是单个数值，也可以都是图像数组，也可以是一个图像数组搭配一个单个数值，总之只要能满足Broadcast机制，就允许。

dst在Python语言中，可以省略不写，因为函数返回值就是dst

mask代表改变的范围。

注意上面四大API，都是饱和运算；也即如果实际结果数值小于下边界，就等于下边界，如果大于上边界，就等于上边界。典型的容器类型是CV_8U，下边界是0，上边界是255，如果计算结果小于0就返回0，如果计算结果大于255就返回255。

图像融合属于图像加法运算的特例，图像加法运算是两个图像的权值都为1，而图像融合是两图权值和为1。

add()和addweighted()都是饱和运算。

语法格式如下

cv.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) ->dst

alpha是src1的权重

beta是src2的权重

gamma是结果偏移值