【从零学习OpenCV 4】两图像间的像素操作
重磅干货，第一时间送达
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 <opencv2\opencv.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 <opencv2\opencv.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