实验2 图像的代数运算1

【图像的代数运算】是数字图像处理中的基础操作，主要包含加法、减法、乘法和除法。这些运算都是在两幅输入图像之间进行的点对点操作，生成新的输出图像。例如，若输入图像A和B，输出图像C，则相应的代数运算表达式为： 1. C(x,y) = A(x,y) + B(x,y) 2. C(x,y) = A(x,y) - B(x,y) 3. C(x,y) = A(x,y) * B(x,y) 4. C(x,y) = A(x,y) / B(x,y) 图像减法在图像处理中有特殊的应用，它能帮助检测同一场景或物体在不同时间拍摄的图像之间的差异，常用于运动检测和变化分析。例如，连续拍摄同一场景的两幅图像，通过减法运算可以突出显示其中的动态变化。 乘法运算则可以用于图像的混合或融合，通过调整两幅图像的权重，可以创建出新的视觉效果。OpenCV提供了`cv2.addWeighted()`函数，通过该函数可以实现图像的混合，公式为： `dst = α*img1 + β*img2 + γ` 其中，α、β是图像的权重，γ是常数，通常用于调整图像的整体亮度或对比度。 图像的加法运算需要注意饱和操作和取模操作的区别。在OpenCV中，`cv2.add()`函数执行的是饱和加法，当结果超出数据类型的最大值时，结果会被截断到最大值。而在Numpy中，加法是取模操作，即超出部分会循环回零。因此，在处理图像时，OpenCV的加法结果通常更为合理。 对于图像的亮度调整，可以通过加法或减法实现。给每个像素加上一个常数值可以增加图像的亮度，反之则会降低亮度。例如，使用`cv2.add()`或`cv2.subtract()`函数，结合合适的常数值，可以改变图像的整体明暗。 在进行图像的代数运算时，确保输入图像的尺寸一致和数据类型相同是非常重要的。超出数据类型的运算结果会根据特定的截取规则处理，例如uint8类型的图像，当结果超过255时，会被设置为255。 在实际应用中，这些代数运算不仅用于基本的图像增强，还可以作为复杂图像处理技术的预处理步骤，比如在运动检测、图像配准、目标跟踪等领域都有广泛的应用。理解并掌握这些基本运算，对于深入学习图像处理和计算机视觉至关重要。