這篇隨筆介紹使用OpenCV進行圖像處理的第二章 圖像的運算，讓我們踏上繼續回顧OpenCV進行圖像處理的奇妙之旅，不斷地總結、回顧，以新的視角快速融入計算機視覺的奧秘世界。
2 圖像的運算
復雜的圖像處理是借助基礎的圖像運算來實現的，本章介紹圖像運算的基本操作，為后續實現更加復雜的處理提供幫助。
2.1 圖像加法運算
可以通過加法運算符“+”和cv2.add函數實現圖像的加法運算，但這兩種方法對數據求和后溢出255的處理方式不一樣。
設a、b均為8為灰度圖像，像素飽和值為255。a圖像像素值為a，b圖像像素值為b。
（一）加法運算符“+”
原理：取余運算：a+b = (a+b)mod(256)
語法格式：
print('a+b=\n',a+b)
該方法會使兩數之和大於255時取余，兩數之和小於255時不變。
（二）cv2.add()函數
語法格式：
result=cv2.add(a,b)
該方法會使兩數之和大於255時置為255，兩數之和小於255時不變。
在cv2.add()函數中，有下列三種用法：圖像與圖像加法、圖像與數值加法、數值與圖像加法，如：
img3=cv2.add(img1,img2) #圖像與圖像加法
img3=cv2.add(img1,5) #圖像與數值加法
img3=cv2.add(7,img2) #數值與圖像加法
2.2 圖像加權之和
實際圖像加法過程中，可能要考慮不同圖像的權重，也就是圖像的加權之和。
使用cv2.addWeighted()函數實現，但需保證兩幅圖片大小和類型相同。
語法格式：
#alpha是img1的權重，beta是img2的權重，gamma是整體亮度調節參數，不能省略
img3=cv2.addWeighted(img1,alpha,img2,beta,gamma)
2.3 按位邏輯運算
按位邏輯運算的原理與電路中“與門”“或門”“異或門”“非門”類似，是非常重要的一種基本運算方式。
Opencv中使用如下函數進行按位邏輯運算：
cv2.bitwise_and() #按位與，兩邏輯值為真，則為真
cv2.bitwise_or() #按位或，兩邏輯值有一真，則為真
cv2.bitwise_xor() #按位異或，兩邏輯值相同為假，不同為真
cv2.bitwise_not() #按位非，邏輯值取反
其語法格式如下：
c=cv2.bitwise_and(a,b)
c=cv2.bitwise_or(a,b)
c=cv2.bitwise_xor(a,b)
c=cv2.bitwise_not(a,b)
注1：掩模圖像用於對另一幅圖片中ROI區域的掩蓋處理，掩模圖像只有兩種數值：0和255，常和另一幅圖像進行按位邏輯運算。一幅圖片中的數值與掩模圖像中的0值按位與后，數值變為0（黑色遮蓋）；與掩模圖像中的255值按位與后，數值不變（原區域）。
注2：如果待處理圖像為彩色，就需要將掩模圖像轉為BGR模式的彩色圖像，如：
a=cv2.imread('tupian',1) #讀取圖片
b=np.zeros(a.shape,dtype=np.uint8) #轉為BGR類型
2.4 掩模（掩碼）
上一小節中提到了掩模圖像的概念，舉例來解釋，例如：
1 import cv2 2 import numpy as np 3 img1=np.ones((4,4),dtype=np.uint8)*2 #生成4×4的二維數組img1
4 img2=np.ones((4,4),dtype=np.uint8)*6 #生成4×4的二維數組img2
5 mask=np.zeros((4,4),dtype=np.uint8) #生成4×4的掩模數組mask
6 mask[1:3,1:3]=1
7 img3=np.ones((4,4),dtype=np.uint8)*99 #生成4×4的二維數組img3
8 print('img1=\n',img1) 9 print('img2=\n',img2) 10 print('mask=\n',mask) 11 print('初始值img3=\n',img3) 12 img3=cv2.add(img1,img2,mask=mask) #img3與mask進行掩模運算
13 print('求和后的img3=\n',img3)
上例所示的掩模mask值有兩種，一種是空值0，一種是非空值（一般取1或255等容易按位與操作的數值）。當mask值為0的像素點，與另一像素矩陣對應位點按位與操作后，數值依然是0，相當於把這一像素矩陣構成的圖片用黑布遮蓋掉一部分；當mask值非空，就可以處理這些非空值對應在另一像素矩陣上的位點。
當彩色圖像與掩模圖像計算時，需要將掩模轉換為BGR模式的三通道彩色圖，繼而實現掩模運算。
2.5 位平面分解
將一幅灰度圖像中不同像素位點上的同一比特位二進制數組合在一起，會得到一張二進制圖像，該圖像稱為灰度圖像的一個位平面，該過程叫做位平面分解。是不是還不明白什么叫做位平面？哈哈別着急，我們看下面舉例。
設一張灰度圖像的像素值為：
將其轉化為二進制數為：
將這些像素點Ai 同一比特位點上的值組合，得到8個位平面：
A0表示第0個位平面，依次類推。
位平面分解，有5個步驟 ：圖像預處理、構造提取矩陣、提取位平面、閾值處理、顯示圖像。其算法實現如下例所示：
1 import cv2 2 import numpy as np 3 lena=cv2.imread('E:\python_opencv\lena.jpg',0) 4 cv2.imshow('lena',lena) 5 r,c=lena.shape 6 x=np.zeros((r,c,8),dtype=np.uint8) #設置各個位平面的提取矩陣，8個通道
7 for i in range(8): 8 x[:,:,i]=2**i #設置各個位平面提取矩陣的值2**i
9 r=np.zeros((r,c,8),dtype=np.uint8) 10 for i in range(8): 11 r[:,:,i]=cv2.bitwise_and(lena,x[:,:,i]) #原圖與提取矩陣值按位與運算
12 mask=r[:,:,i]>0 #閾值處理
13 r[mask]=255
14 cv2.imshow(str(i),r[:,:,i]) 15 cv2.waitKey() 16 cv2.destroyAllWindows()
2.6 圖像加密和解密
將圖像與秘鑰圖像按位異或，能夠實現圖像的加密；將加密后的圖像再次與秘鑰圖像按位異或，可以實現圖像的解密。對一個像素點加密和解密的舉例如下：
bit_xor(216,178)=106 #對像素點216加密
bit_xor(106,178)=216 #對像素點216解密
圖像的加密和解密程序舉例如下：
encryption=cv2.bitwise_xor(lena,key) #lena與key按位異或加密
dncryption=cv2.bitwise_xor(encryption,key) #加密圖與key按位異或解密
2.7 數字水印
先介紹一個定義：最低有效位（Least Significant Bit, LSB）指一個二進制數中的第0位。
數字水印即一幅圖像中的最低有效位上隱藏了信息，該信息可以是音頻、視頻、圖像等，為了形象介紹，本節將隱藏的水印信息使用簡單的二值圖像表示。
實現數字水印分為兩個過程：嵌入過程和提取過程。
嵌入過程：先將載體圖像的像素進行二進制轉化處理，然后把水印圖像的像素值進行閾值處理變為1或0，最后把載體圖像的最低有效位替換為二進制水印圖像（按位或運算）。
提取過程：先讀取嵌入水印后的圖像，生成一個同樣大小和類型的提取矩陣（元素值均為1），最后將嵌入水印的圖像與該提取矩陣進行按位與運算。
這次內容就分享到這里了，下次繼續更新第3章色彩空間的類型轉換，希望與各位老師和小伙伴們交流學習~