🎉作者简介：目前在读计算机研究生，研二。主要研究方向是人工智能和群智能算法方向。目前熟悉python网页爬虫、机器学习、计算机视觉（OpenCV）、群智能算法。然后正在学习深度学习的相关内容。以后可能会涉及到网络安全相关领域，毕竟这是每一个学习计算机的梦想嘛！
📃个人主页：吃猫的鱼python个人主页
🔎支持：如果觉得博主的文章还不错或者您用得到的话，可以免费的关注一下博主，如果三连收藏支持就更好啦！👍这就是给予我最大的支持！🎁
💛本文摘要💛：

本文我们将继续讲解相关计算机视觉的相关知识。具体包括以下几个内容。 🔔 1.图像的加法运算，包括python中的numpy加法操作以及OpenCV加法运算。 🔔 2.图像融合。 🔔3.图像的类型转换。 🔔4.图像缩放。 🔔5.图像翻转。

文章目录

• • 🎥前言
  • 🎥OpenCV知识讲解
  • • 🔆图像的加法运算
    • 🔆图像融合
    • 🔆图像的类型转换
    • 🔆图像缩放
    • 🔆图像翻转

🎥前言

未来随着5G技术的普及，整个世界也许看到的都是视频与图像，视频与图像数据都需要通过计算机视觉进行解析信息，读取理解，也有人说未来的世界将是像素主导一切的世界，这样我们就更加离不开计算机视觉等相关技术。
OpenCV框架是计算机视觉领域最流行的框架之一,自发布以来，因为其免费开源收到了工业界与学术界广泛关注与兴趣，成功的在多个计算机视觉应用领域落地，这些领域包括生物图像检测与分析、工业缺陷检测、军事无人机、农业植物图像分析、安防监控领域、文字OCR识别、文档信息化处理、视频分析、智能交通与无人驾驶领域、水体环境监测、设备缺陷分析等方面。

🎥OpenCV知识讲解

🔆图像的加法运算

📻1.numpy加法运算讲解

其中numpy使用的就是加模运算。
运算过程就是：运算结果=图像1+图像2
因为图像上的表示都为二进制表示，比如我们所说的
0→00000000 255→11111111
📟情况一：但是如果两个图像对应的像素值相加小于等于255，那么我们就取该值，保留下来。
比如100+58=158，那么158<=255，那么我们保留158这个数值。
📟情况二：如果两个图像对应的像素值相加大于255，那么我们就对255取模运算。
比如255+58=313，那么就进行313%255=58，这里就保留取模运算之后的结果58。

📻2.OpenCV加法运算讲解

OpenCV使用的是饱和运算。
运算过程就是：结果=cv2.add(图像1，图像2)
这里的方法就和上方的numpy算法有所不同。
📟情况一：保持一致，如果不超过255，那么我们就保留下来。
📟情况二：如果相加的结果超过了255，那么我们就直接保留255。和上方不同！

📻3.Numpy和OpenCV加法运算代码

import cv2 
import numpy as np
a=cv2.imread('path(图片对应路径)')
b=a
add1=a+b
add2=cv2.add(a,b)
cv2.imshow('add1',add1)
cv2.imshow('add2',add2)
cv2.waitKey()
cv2.destroyAllWindows()

我们还是以大美女lena为例。这里是原始图像。

这是Numpy加模运算结果图，可以看出超过255的点都进行了加模。

这里是OpenCV加法运算结果图。
📌重要注意：这里参与加法运算的所有图像必须保证大小一致，类型必须一致。

🔆图像融合

• 融合的目的就是将2张或者2张以上的图像信息融合到一张图像上。
• 融合的图像含有更多的信息，能够方便人来观察或者计算机的处理。部分不清晰+部分不清晰=清晰
  
• 在做图像融合的时候：结果图像=图像1系数1+图像2系数2+亮度调节值，其中的系数1和系数2可以说成图像所占权重。
  📤使用函数addWeighted
  dst=cv.addWeighted(src1,alpha,arc2,bata,gamma)
  dst=src1alpha+src2beta+gamma
  下面我们介绍一下图像boat和图像lena的融合结果。
  📤图像融合代码

import cv2
a=cv2.imread('path boat')
b=cv2.imread('path lena')
c=cv2.addWeighted(a,1,b,1,0)
cv2.imshow('a',a)
cv2.imshow('b',b)
cv2.imshow('c',c)
cv2.waitKey

🔆图像的类型转换

我们之前提及过图片类型转换我们今天要进行详细的解答。
其中类型转换包括由彩色也就是BGR转化为灰度图像，BGR转RGB，灰度图像转RGB图像，还有灰度图像转二值图像等等。其中OpenCV提供了200多种的类型转换方法。其中最常用的包括：

• cv2.COLOR_BGR2GRAY BGR转灰度图像
• cv2.COLOR_BGR2RGB BGR转RGB
• cv2.COLOR_GRAY2BGR 灰度图像转BGR
  💡1.BGR转灰度图像

import cv2 
a=cv2.imread('lenacolor.png')
b=cv2.cvtColor(a,cv2.COLOR_BGR2GRAY)
cv2.imshow('lenacolor',a)
cv2.imshow('lenaGray',b)
cv2.waitKey()
cv2.destroyAllWindows()

💡2.BGR转RGB

import cv2 
a=cv2.imread('lenacolor.png')
b=cv2.cvtColor(a,cv2.COLOR_BGR2RGB)
cv2.imshow('lenacolor',a)
cv2.imshow('lenaGray',b)
cv2.waitKey()
cv2.destroyAllWindows()

💡3.灰度图像转BGR

import cv2 
a=cv2.imread('lenagray.png')
b=cv2.cvtColor(a,cv2.COLOR_GRAY2BGR)
cv2.imshow('lenagrayr',a)
cv2.imshow('lenabgr',b)
print(a.shape)
print(b.shape)
bb,bg,br=cv2.split(b)
cv2.imshow("bb",bb)
cv2.imshow("bg",bg)
cv2.imshow("br",br)
cv2.waitKey()
cv2.destroyAllWindows()

这里我们得到的输出是（256，256）和（256，256，3），说明已经转型成功。

🔆图像缩放

图像缩放相关函数：resize函数
语法格式：
dst=cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])
dst=cv2.resize(src,dsize)
其中src为原始图像，dsize为缩放的大小
🔑例如：b=cv2.resize(a,(122,122)),(122,122)表示新图片的尺寸。

其中还有一种表达形式就是，fx表示在水平方向上放大或者缩小了多少倍，如果大于1则说明是放大，如果小于1，说明是缩小多少倍。同样fy表示在垂直方向上。
dsize和fx，fy设置一个即可！
一般情况下我们都这么表示：
b=cv2.resize(a,(round(cols0.5),round(rows0.5)))
其中round函数表示四舍五入的意思。或者
b=cv2.resize(a,None,fx=1.2,fy=0.5)
这里就表示在水平方向上放大1.2倍，在垂直方向上虽小0.5倍。

⌛️代码部分

import cv2
a=cv2.imread("image\\lenacolor.png")
rows,cols=a.shape[:2]
b=cv2.resize(a,(200,100))
cv2.imshow("original",a)
cv2.imshow("resize",b)
cv2.waitKey()
cv2.destroyAllWindows()

import cv2
a=cv2.imread("image\\lenacolor.png")
rows,cols=a.shape[:2]
b=cv2.resize(a,(round(cols*0.5),round(rows*1.2)))
cv2.imshow("original",a)
cv2.imshow("resize",b)
cv2.waitKey()
cv2.destroyAllWindows()

🔆图像翻转

函数介绍：flip函数
相关语法：
dst=cv2.flip(src,flipcode)
src表示原始图像，flipcode表示使用什么模式翻转
🔑例如:dst=cv2.flip(src,1)

flipcode=0；表示以x轴为对称轴上下翻转。
flipcode>0；表示以y轴为对称轴上下翻转。
flipcode<0；表示以x轴和y轴为对称轴同时翻转。

📄对应代码

import cv2
a=cv2.imread("image\\lenacolor.png")
b=cv2.flip(a,0)
cv2.imshow("original",a)
cv2.imshow("flip",b)
cv2.waitKey()
cv2.destroyAllWindows()

📒文章适合于所有的相关人士进行学习📒
📒各位看官看完了之后不要立刻转身呀📒
📒期待三连关注小小博主加收藏📒
📒小小博主回关快 会给你意想不到的惊喜呀📒
各位老板动动小手给小弟点赞收藏一下，多多支持是我更新得动力！！！