【从零学习OpenCV 4】两图像间的像素操作

• 2019 年 11 月 27 日
• 筆記

经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。

前面介绍的计算最值、平均值等操作都是对一张图像进行处理，接下来将介绍两张图像间像素的相关操作，包含两张图像的比较运算、逻辑运算等。

1

01

两张图像的比较运算

OpenCV 4中提供了求取两张图像每一位像素较大或者较小灰度值的max()、min()函数，这两个函数分别比较两个图像中每一位元素灰度值的大小，保留较大（较小）的灰度值，这两个函数的函数原型在代码清单3-13中给出。

代码清单3-13 max()和min()函数原型  1.  void cv::max(InputArray src1,  2.               InputArray src2,  3.               OutputArray dst  4.                  )  5.  void cv::min(InputArray src1,  6.               InputArray src2,  7.               OutputArray dst  8.                  )

• src1：第一个图像矩阵，可以是任意通道数的矩阵。
• src2：第二个图像矩阵，尺寸和通道数以及数据类型都需要与src1一致。
• dst：保留对应位置较大（较小）灰度值后的图像矩阵，尺寸、通道数和数据类型与src1一致。

该函数的功能相对来说比较简单，就是比较图像每个像素的大小，按要求保留较大值或者较小值，最后生成新的图像。例如，第一张图像

位置像素值为100，第二张图像

位置像素值为10，那么输出图像

位置像素值为100。在代码清单3-14中给出了这两个函数的代码实现过程以及运算结果，运算结果在图3-9、图3-10和图3-11中给出。这种比较运算主要用在对矩阵类型数据的处理，与掩模图像进行比较运算可以实现抠图或者选择通道的效果。

代码清单3-14 myMaxAndMin.cpp两个矩阵或图像进行比较运算  1.  #include <opencv2opencv.hpp>  2.  #include <iostream>  3.  #include <vector>  4.  5.  using namespace std;  6.  using namespace cv;  7.  8.  int main()  9. {  10.    float a[12] = { 1, 2, 3.3, 4, 5, 9, 5, 7, 8.2, 9, 10, 2 };  11.    float b[12] = { 1, 2.2, 3, 1, 3, 10, 6, 7, 8, 9.3, 10, 1 };  12.    Mat imga = Mat(3, 4, CV_32FC1, a);  13.    Mat imgb = Mat(3, 4, CV_32FC1, b);  14.    Mat imgas = Mat(2, 3, CV_32FC2, a);  15.    Mat imgbs = Mat(2, 3, CV_32FC2, b);  16.  17.    //对两个单通道矩阵进行比较运算  18.    Mat myMax, myMin;  19.    max(imga, imgb, myMax);  20.    min(imga, imgb, myMin);  21.  22.    //对两个多通道矩阵进行比较运算  23.    Mat myMaxs, myMins;  24.    max(imgas, imgbs, myMaxs);  25.    min(imgas, imgbs, myMins);  26.  27.    //对两张彩色图像进行比较运算  28.    Mat img0 = imread("lena.png");  29.    Mat img1 = imread("noobcv.jpg");  30.    if (img0.empty()|| img1.empty())  31.    {  32.      cout << "请确认图像文件名称是否正确" << endl;  33.      return -1;  34.    }  35.    Mat comMin, comMax;  36.    max(img0, img1, comMax);  37.    min(img0, img1, comMin);  38.    imshow("comMin", comMin);  39.    imshow("comMax", comMax);  40.  41.    //与掩模进行比较运算  42.    Mat src1 = Mat::zeros(Size(512, 512), CV_8UC3);  43.    Rect rect(100, 100, 300, 300);  44.    src1(rect) = Scalar(255, 255, 255); //生成一个低通300*300的掩模  45.    Mat comsrc1, comsrc2;  46.    min(img0, src1, comsrc1);  47.    imshow("comsrc1", comsrc1);  48.  49.    Mat src2 = Mat(512, 512, CV_8UC3, Scalar(0,0, 255)); //生成一个显示红色通道的低通掩模  50.    min(img0, src2, comsrc2);  51.    imshow("comsrc2", comsrc2);  52.  53.    //对两张灰度图像进行比较运算  54.    Mat img0G, img1G, comMinG, comMaxG;  55.    cvtColor(img0, img0G, COLOR_BGR2GRAY);  56.    cvtColor(img1, img1G, COLOR_BGR2GRAY);  57.    max(img0G, img1G, comMaxG);  58.    min(img0G, img1G, comMinG);  59.    imshow("comMinG", comMinG);  60.    imshow("comMaxG", comMaxG);  61.    waitKey(0);  62.    return 0;  63.  }

图3-9 maxAndMin.cpp程序中两个矩阵进行比较运算结果

图3-10 axAndMin.cpp程序中两个彩色图像和灰度图像进行比较运算结果

图3-11 与掩模图像进行比较运算结果

1

02

两张图像的逻辑运算

OpenCV 4针对两个图像像素之间的与、或、异或以及非运算提供了bitwise_and()、bitwise_or()、bitwise_xor()和bitwise_not()四个函数，在代码清单3-15中给出了这四个函数的函数原型。在了解函数用法之前，我们先了解一下图像像素逻辑运算的规则。图像像素间的逻辑运算与数字间的逻辑运算相同，具体规则在图3-12中给出。像素的非运算只能针对一个数值进行，因此在图3-12中对像素求非运算时对图像1的像素值进行非运算。如果像素取值只有0和1的话，那么图中的前4行数据正好对应了所有的运算规则，但是CV_8U类型的图像像素值从0取到255，此时的逻辑运算就需要将像素值转成二进制数后再进行，因为CV_8U类型是8位数据，因此对0求非是11111111，也就是255。在图3-12中最后一行数据中，像素值5对应的二进制为101，像素值6对应的二进制是110，因此与运算得100（4），或运算得111（7），异或运算得011（3），对像素值5进行非运算得11111010（250）。了解了像素的辑运算原理之后，我们再来看OpenCV 4中提供的辑运算函数的使用方法。

图3-12 图像逻辑运算规则

代码清单3-15 OpenCV 4中像素逻辑运算函数原型  1.  //像素求与运算  2.  void cv::bitwise_and(InputArray src1，  3.                           InputArray src2，  4.                           OutputArray dst，  5.                           InputArray mask = noArray()  6.                           )  7.  //像素求或运算  8.  void cv::bitwise_or(InputArray src1,  9.                     InputArray src2,  10.                     OutputArray dst,  11.                     InputArray mask = noArray()  12.                       )  13.  //像素求异或运算  14.  void cv::bitwise_xor(InputArray src1,  15.                      InputArray src2,  16.                      OutputArray dst,  17.                      InputArray mask = noArray()  18.                        )  19.  //像素求非运算  20.  void cv::bitwise_not(InputArray src,  21.                      OutputArray dst,  22.                      InputArray mask = noArray()  23.                        )

• src1：第一个图像矩阵，可以是多通道图像数据。
• src2：第二个图像矩阵，尺寸和通道数以及数据类型都需要与src1一致。
• dst：逻辑运算输出结果，尺寸和通道数和数据类型与src1一致。
• mask：掩模，用于设置图像或矩阵中逻辑运算的范围。

这几个函数都执行相应的逻辑运算，在进行逻辑计算时，一定要保证两个图像矩阵之间的尺寸、数据类型和通道数相同，多个通道进行逻辑运算时不同通道之间是独立进行的。为了更加直观的理解两个图像像素间的逻辑运算，在代码清单3-16中给出两个黑白图像像素逻辑运算的示例程序，最后运行结果在图3-13中给出。

代码清单3-16 myLogicOperation.cpp两个图像像素逻辑运算  1.  #include <opencv2opencv.hpp>  2.  #include <iostream>  3.  #include <vector>  4.  5.  using namespace std;  6.  using namespace cv;  7.  8.  int main()  9. {  10.    Mat img = imread("lena.png");  11.    if (img.empty())  12.    {  13.      cout << "请确认图像文件名称是否正确" << endl;  14.      return -1;  15.    }  16.    //创建两个黑白图像  17.    Mat img0 = Mat::zeros(200, 200, CV_8UC1);  18.    Mat img1 = Mat::zeros(200, 200, CV_8UC1);  19.    Rect rect0(50, 50, 100, 100);  20.    img0(rect0) = Scalar(255);  21.    Rect rect1(100, 100, 100, 100);  22.    img1(rect1) = Scalar(255);  23.    imshow("img0", img0);  24.    imshow("img1", img1);  25.  26.    //进行逻辑运算  27.    Mat myAnd, myOr, myXor, myNot, imgNot;  28.    bitwise_not(img0, myNot);  29.    bitwise_and(img0, img1, myAnd);  30.    bitwise_or(img0, img1, myOr);  31.    bitwise_xor(img0, img1, myXor);  32.    bitwise_not(img, imgNot);  33.    imshow("myAnd", myAnd);  34.    imshow("myOr", myOr);  35.    imshow("myXor", myXor);  36.    imshow("myNot", myNot);  37.    imshow("img", img);  38.    imshow("imgNot", imgNot);  39.    waitKey(0);  40.    return 0;  41.  }

图3-13 logicOperation.cpp程序运行结果