Bienvenue dans ce tutoriel sur les opérations arithmétiques sur les images à l'aide d'OpenCV-Python! Dans ce tutoriel, nous aborderons l'addition, la soustraction et les opérations bit-à-bit. À la fin de ce tutoriel, vous aurez une compréhension solide de la manière de manipuler les images à l'aide de ces opérations de base.
L'addition d'images est le processus d'ajout de valeurs de pixels à deux images. Dans OpenCV, la fonction cv2.add() est utilisée à cette fin.
Ouvrez l'interpréteur Python dans le terminal
python3Utilisez .imread pour lire les images cibles.
import cv2 as cv2
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')Utilisez .add() pour aggreger les deux images lues dans l'étape précédente.
result = cv2.add(img1, img2)Écrire le résultat.
cv2.imwrite('Image_Addition.jpg', result)L'image générée Image_Addition.jpg ressemble à ceci :
Cela est également une addition d'images, mais des poids différents sont attribués aux images pour donner une impression de superposition ou de transparence. Les images sont additionnées selon l'équation ci-dessous :
cv.addWeighted() applique cette équation à l'image.
Utilisez .addWeighted() pour appliquer l'équation aux images lues dans l'étape précédente.
result = cv2.addWeighted(img1,0.7,img2,0.3,0)Écrire le résultat.
cv2.imwrite('Image_Blending.jpg', result)L'image générée Image_Blending.jpg ressemble à ceci :
La soustraction d'images est utilisée pour trouver la différence entre deux images. Elle soustrait les valeurs de pixels d'une image à l'autre. Dans OpenCV, vous pouvez utiliser la fonction cv2.subtract().
Utilisez .subtract() pour soustraire les valeurs de pixels de l'image1 à l'image2.
result = cv2.subtract(img1, img2)Écrire le résultat.
cv2.imwrite('Image_Subtraction.jpg', result)L'image générée Image_Subtraction.jpg ressemble à ceci :
Les opérations bit-à-bit sont utilisées pour manipuler les bits individuels des valeurs de pixels. OpenCV fournit des fonctions telles que cv2.bitwise_and(), cv2.bitwise_or(), cv2.bitwise_xor() et cv2.bitwise_not() pour effectuer des opérations bit-à-bit.
Voyons un exemple de chaque opération :
Utilisez .bitwise_and() pour calculer l'ET bit-à-bit des bits des valeurs de pixels dans deux images.
bitwise_and = cv2.bitwise_and(img1, img2)Utilisez .bitwise_or() pour calculer l'OU bit-à-bit des bits des valeurs de pixels dans deux images.
bitwise_or = cv2.bitwise_or(img1, img2)Utilisez .bitwise_xor() pour calculer l'XOR bit-à-bit des bits des valeurs de pixels dans deux images.
bitwise_xor = cv2.bitwise_xor(img1, img2)Utilisez .bitwise_not() pour calculer le NON bit-à-bit des bits des valeurs de pixels dans deux images.
bitwise_not_img1 = cv2.bitwise_not(img1)Écrire les résultats.
cv2.imwrite('Bitwise_AND.jpg', bitwise_and)
cv2.imwrite('Bitwise_OR.jpg', bitwise_or)
cv2.imwrite('Bitwise_XOR.jpg', bitwise_xor)
cv2.imwrite('Bitwise_NOT_Image1.jpg', bitwise_not_img1)L'image générée ressemble à ceci :
Bitwise_AND.jpg :
Bitwise_OR.jpg :
Bitwise_XOR.jpg :
Bitwise_NOT_Image1.jpg :
Félicitations ! Vous avez désormais appris à effectuer des opérations arithmétiques sur des images à l'aide d'OpenCV-Python. Vous avez étudié l'addition, la soustraction et les opérations bit-à-bit d'images. Ces opérations de base peuvent s'avérer très utiles pour les tâches de traitement d'images, telles que la superposition d'images, la détection de changements et le masquage de zones spécifiques d'une image.
Continuez à pratiquer et à expérimenter avec différentes images pour mieux comprendre le fonctionnement de ces opérations. Bonne chance et bonne programmation !
