一. OpenCV 基于图像的运算

img = cv.imread("sky.png",-1)
print(img.size)  # 750000
print(img.shape)  # (500, 500, 3)
print(img.dtype)  # uint8：无符号的整数8位，即（0-255）

1 cv.item( ) 获取图像某个位置的像素值

	cv.item( ) 作用：一次只能查看一个通道某个点【注意】读取图像格式为BGR

2. cv. itemset( ) 修改图像某个位置的像素值

	cv. itemset( )作用：一次只能修改一个通道某个个点的像素值【注意】读取图像格式为BGR

3. cv.split( ) / cv.merge( ) 通道的分割与合并

	cv.split ( )  分割图像的通道cv.merge ( )  融合多个通道

4. cv.copyMakeBorder ( ) 添加边框

	cv.copyMakeBorder(src, top, bottom, left, right, borderType, dst=None, value=None)参数：src：输入的图片top/bottom/left/right：相应方向上的边框宽度borderType：要添加边框的类型，具体有：cv.BORDER_REPLICATE：使用最边界的像素值代替cv.BORDER_REFLECT：添加的边框像素将是边界元素的镜面反射cv.BORDER_REFLECT_101/cv.BORDER_DEFAULT：边界反射，边界像素不保留cv.BORDER_WRAP：看例子cv.BORDER_CONSTANT：添加的边界框像素值为常数（需要额外再给定一个参数）dst：输出图像；Python接口一般不用这个参数value：如果borderType为cv.BORDER_CONSTANT时，需要填充的常数值

5. cv.addWeighted ( ) 图像融合 / 权重和

	cv2.addWeighted(src1,alpha,src2.beta,gamma)参数：alpha：src1的权重beta：src2的权重gamma：偏置项非官方：加权和相当于：w1 * x1 + w2 * x2 + b注意：有偏置项

6. cv.threshold 二值化操作

	retval, threshold_img = cv.threshold(src, thresh, maxval, type)参数：src: 输入图像，通常是灰度图像thresh: 阈值，用于决定像素值如何被分类maxval: 当像素值高于（或低于，取决于阈值类型）阈值时，像素的新值type: 阈值类型cv.THRESH_BINARY,cv.THRESH_BINARY_INVcv.THRESH_TRUNCcv.THRESH_TOZEROcv.THRESH_TOZERO_INV作用：基于一个阈值，将图像中的像素值转换为两个可能的值：通常是黑色和白色即： 0（黑色）和1（白色）/ 0（黑色）和255（白色）

7. cv.add ( ) 加法操作

	两张图片相加，shape必须相同图片对应位置相加，如果相加后出现值大于255的情况，统一置为255解决方法：1. 相加图片权重相同2. 相加图片权重不同

8. cv.subtract ( ) 减法操作

	对应位置相减，如果小于0，统一置为0

9. cv.multiply ( ) 乘法操作

	对应位置相乘，如果大于255，统一置为255

10. cv.divide ( ) 除法操作

	对应位置相除，如果小于0，统一置为0

二. OpenCV 基于图像的逻辑运算

1. cv.bitwise_not ( )按位非操作

	图像位运算，对图像的每个像素值进行”非”操作，即：dst=np.uint8(~src)

2. cv.bitwise_and ( ) 按位与操作

	图像位运算，对两个图像的每个像素值之间进行”与”操作，即： dst=np.uint8(src1 & src2)

3. cv.bitwise_or ( ) 按位或操作

	图像位运算，对两个图像的每个像素值之间进行”或”操作，即： dst=np.uint8(src1 | src2)

4. cv.bitwise_xor ( ) 按位异或操作

	图像位运算，对两个图像的每个像素值之间进行”异或”操作，即： dst=np.uint8(src1 ^ src2)

---

感谢阅读🌼
如果喜欢这篇文章，记得点赞👍和转发🔄哦！
有任何想法或问题，欢迎留言交流💬，我们下次见！
本文相关代码存放位置
    【Opencv 基于图像的运算】

祝愉快🌟！

---