小编给大家分享一下Python中图像算术与逻辑运算的示例分析，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
一.图像加法运算
图像加法运算主要有两种方法。第一种是调用Numpy库实现，目标图像像素为两张图像的像素之和；第二种是通过OpenCV调用add()函数实现。第二种方法的函数原型如下：
dst = add(src1, src2[, dst[, mask[, dtype]]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
– dtype表示输出数组的可选深度
注意，当两幅图像的像素值相加结果小于等于255时，则输出图像直接赋值该结果，如120+48赋值为168；如果相加值大于255，则输出图像的像素结果设置为255，如(255+64) 赋值为255。下面的代码实现了图像加法运算。
#coding:utf-8# By：Eastmountimport cv2 import numpy as np #读取图片img = cv2.imread("luo.png")#图像各像素加100m = np.ones(img.shape, dtype="uint8")*100#OpenCV加法运算result = cv2.add(img, m)#显示图像cv2.imshow("original", img)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()输出如图4-1所示，左边为“小珞珞”的原始图像，右边为像素值增加100像素后的图像，输出图像显示更偏白。
二.图像减法运算
图像减法运算主要调用subtract()函数实现，其原型如下所示：
dst = subtract(src1, src2[, dst[, mask[, dtype]]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
– dtype表示输出数组的可选深度
具体实现代码如下所示：
#coding:utf-8# By：Eastmountimport cv2 import numpy as np #读取图片 img = cv2.imread("luo.png")#图像各像素减50m = np.ones(img.shape, dtype="uint8")*50#OpenCV减法运算result = cv2.subtract(img, m)#显示图像cv2.imshow("original", img)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()输出如图4-2所示，左边为原始图像，右边为像素值减少50像素后的图像，输出图像显示更偏暗。
三.图像与运算
与运算是计算机中一种基本的逻辑运算方式，符号表示为“&”，其运算规则为：
0&0=0
0&1=0
1&0=0
1&1=1
图像的与运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“与”操作，实现图像裁剪。
dst = bitwise_and(src1, src2[, dst[, mask]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
下面代码是通过图像与运算实现图像剪裁的功能。
#coding:utf-8# By：Eastmountimport cv2 import numpy as np #读取图片 img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)#获取图像宽和高rows, cols = img.shape[:2]print(rows, cols)#画圆形circle = np.zeros((rows, cols), dtype="uint8")cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)print(circle.shape)print(img.size, circle.size)#OpenCV图像与运算result = cv2.bitwise_and(img, circle)#显示图像cv2.imshow("original", img)cv2.imshow("circle", circle)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()输出如图4-3所示，原始图像与圆形进行与运算之后，提取了其中心轮廓。同时输出图像的形状为377×326。注意，两张图像的大小和类型必须一致。
四.图像或运算
逻辑或运算是指如果一个操作数或多个操作数为 true，则逻辑或运算符返回布尔值 true；只有全部操作数为false，结果才是 false。图像的或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“或”操作，实现图像裁剪。其函数原型如下所示：
dst = bitwise_or(src1, src2[, dst[, mask]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
下面代码是通过图像或运算实现图像剪裁的功能。
#coding:utf-8# By：Eastmountimport cv2 import numpy as np #读取图片 img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)#获取图像宽和高rows, cols = img.shape[:2]#画圆形circle = np.zeros((rows, cols), dtype="uint8")cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)#OpenCV图像或运算result = cv2.bitwise_or(img, circle)#显示图像cv2.imshow("original", img)cv2.imshow("circle", circle)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()输出如图4-4所示，原始图像与圆形进行或运算之后，提取了图像除中心原形之外的像素值。
五.图像非运算
图像非运算就是图像的像素反色处理，它将原始图像的黑色像素点转换为白色像素点，白色像素点则转换为黑色像素点，其函数原型如下：
dst = bitwise_not(src1, src2[, dst[, mask]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
图像非运算的实现代码如下所示。
#coding:utf-8import cv2 import numpy as np #读取图片 img = cv2.imread("Lena.png", cv2.IMREAD_GRAYSCALE)#OpenCV图像非运算result = cv2.bitwise_not(img)#显示图像cv2.imshow("original", img)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()原始图像非运算之后输出如图4-5所示。
六.图像异或运算
逻辑异或运算（xor）是一个数学运算符，数学符号为“⊕”，计算机符号为“xor”，其运算法则为：如果a、b两个值不相同，则异或结果为1；如果a、b两个值相同，异或结果为0。
图像的异或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“异或”操作，实现图像裁剪。其函数原型如下所示：
dst = bitwise_xor(src1, src2[, dst[, mask]])
– src1表示第一张图像的像素矩阵
– src2表示第二张图像的像素矩阵
– dst表示输出的图像，必须和输入图像具有相同的大小和通道数
– mask表示可选操作掩码（8位单通道数组），用于指定要更改的输出数组的元素。
图像异或运算的实现代码如下所示。
#coding:utf-8# By：Eastmountimport cv2 import numpy as np #读取图片 img = cv2.imread("luo.png", cv2.IMREAD_GRAYSCALE)#获取图像宽和高rows, cols = img.shape[:2]#画圆形circle = np.zeros((rows, cols), dtype="uint8")cv2.circle(circle, (int(rows/2),int(cols/2)), 100, 255, -1)#OpenCV图像异或运算result = cv2.bitwise_xor(img, circle)#显示图像cv2.imshow("original", img)cv2.imshow("circle", circle)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()原始图像与圆形进行异或运算之后输出如图4-6所示。
以上是“Python中图像算术与逻辑运算的示例分析”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注编程网行业资讯频道！
