计算机视觉 / 系统课时
执行图像算术运算
执行图像算术运算
图像算术并不是普通整数计算:OpenCV 会按像素执行加减、混合与亮度调整,并对 uint8 图像处理上下界。本课用可运行的小矩阵直接观察结果,避免把 NumPy 的溢出回绕误当成正确图像运算。
学习目标
- 使用
cv2.add、cv2.subtract和cv2.addWeighted完成像素级运算。 - 用权重混合两幅图像,并通过常量偏移调整亮度。
- 区分 OpenCV 饱和运算与 NumPy
uint8溢出回绕。
用饱和运算完成加减
8 位灰度或 BGR 图像通常使用 uint8,合法范围是 0~255。cv2.add 超过 255 时截到 255,cv2.subtract 小于 0 时截到 0;而两个 NumPy uint8 数组直接使用 +,结果会按 256 回绕。
下面的脚本同时演示加法、减法、权重混合和增亮,适用于 OpenCV-Python 4.x。
import cv2
import numpy as np
a = np.array([[250, 10], [30, 100]], dtype=np.uint8)
b = np.array([[10, 30], [50, 200]], dtype=np.uint8)
# OpenCV 对 uint8 使用饱和运算,不让结果越过 0~255。
added = cv2.add(a, b)
subtracted = cv2.subtract(a, b)
# NumPy 的 uint8 直接相加会发生模 256 回绕,用于对比。
numpy_added = a + b
blended = cv2.addWeighted(a, 0.7, b, 0.3, 0)
brightness_offset = np.full_like(a, 40)
brighter = cv2.add(a, brightness_offset)
print("cv2.add:", added.tolist())
print("numpy +:", numpy_added.tolist())
print("cv2.subtract:", subtracted.tolist())
print("blend:", blended.tolist())
print("brighter:", brighter.tolist())预期输出:
cv2.add: [[255, 40], [80, 255]]
numpy +: [[4, 40], [80, 44]]
cv2.subtract: [[240, 0], [0, 0]]
blend: [[178, 16], [36, 130]]
brighter: [[255, 50], [70, 140]]这里最值得检查的是 250 + 10:cv2.add 得到 255,而 NumPy uint8 得到 4。处理真实 8 位图像时,如果目标是正常的亮度或图像叠加,通常应优先使用 OpenCV 的饱和算术。
用权重控制图像混合
cv2.addWeighted(src1, alpha, src2, beta, gamma) 按 src1 × alpha + src2 × beta + gamma 计算。两幅输入图像必须具有相同尺寸和类型;常见淡入淡出会令 alpha + beta = 1,例如前景 0.7、背景 0.3。
如果想做 25% 到 75% 的渐变,可以让第一幅图权重依次取 0.75、0.5、0.25,第二幅图分别取 0.25、0.5、0.75。gamma 是额外加到结果上的标量,普通混合通常设为 0。
调整亮度时保留数值边界
最直接的增亮方法是给每个像素增加固定值。例如增加 40 时,原值 100 会得到 140,原值 250 会被限制为 255。降低亮度则可以使用 cv2.subtract 与常量图像,例如减去 30 后,小于 30 的像素会落到 0。
若需要同时调整对比度和亮度,可使用 cv2.convertScaleAbs(src, alpha=1.2, beta=20):alpha 控制缩放,beta 控制偏移。需要注意,该函数会先取绝对值再转换成 8 位结果,因此当处理中间值可能为负数时,不应把它当成通用的线性浮点变换函数。
选择正确的数据类型
需要保存负数或超过 255 的中间结果时,应先转成浮点类型。例如做差分分析,可以把两个数组转换为 float32 后相减,这样 10 减 30 会得到 -20,而不是被截成 0。完成计算后,再根据业务需要裁剪到 0~255 并转换回 uint8。
判断方法很直接:结果仍然表示可显示的 8 位图像时,使用 cv2.add、cv2.subtract 等饱和操作;结果用于梯度、差分、归一化或后续数学计算时,优先在 float32 中保留真实数值范围。