Image arithmetics and Logic OpenCV Python Tutorial

Selamat Datang di Tutorial OpenCV menggunakan Python, dalam tutorial ini kita akan mencakup beberapa operasi aritmatika sederhana yang bisa kita lakukan pada gambar ,menjelaskan apa yang mereka bersama lakukan . Untuk melakukan hal ini , kita memerlukan dua gambar dengan ukuran yang sama untuk memulai , kemudian pada gambar yang lebih kecil dan yang lebih besar . Untuk memulai , saya akan menggunakan :

dan

Pertama , mari kita tambahkan yang sederhana:

import cv2
import numpy as np

# 500 x 250
img1 = cv2.imread('3D-Matplotlib.png')
img2 = cv2.imread('mainsvmimage.png')

add = img1+img2

cv2.imshow('add',add)
cv2.waitKey(0)
cv2.destroyAllWindows()

Tampilan Hasi :

Hal ini tidak mungkin Anda akan ingin semacam ini selain berantakan . OpenCV memiliki metode " menambahkan " , mari kita lihat apa yang tidak , menggantikan sebelumnya " menambahkan " dengan :

add = cv2.add(img1,img2)

Tampilan Hasil :

Mungkin di sini tidak ideal. Kita bisa melihat bahwa gambar sangat " putih . " Hal ini karena warna-warna yang 0-255 , di mana 255 adalah " cahaya penuh . " Jadi, misalnya : ( 155,211,79 ) + ( 50 , 170 , 200 ) = 205 , 381 , 279 ... diterjemahkan ke ( 205 , 255 , 255 ) .


Selanjutnya, kita dapat menambahkan gambar , dan masing-masing membawa " beban " yang berbeda . Berikut adalah caranya :

import cv2
import numpy as np

img1 = cv2.imread('3D-Matplotlib.png')
img2 = cv2.imread('mainsvmimage.png')

weighted = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)
cv2.imshow('weighted',weighted)
cv2.waitKey(0)
cv2.destroyAllWindows()

Untuk metode add Weighted , parameter adalah gambar pertama , berat , untuk gambar kedua , berat badan , dan gamma , yang merupakan pengukuran cahaya . Kami akan meninggalkan di nol untuk saat ini .

Tampilan Hasil :

Itu adalah beberapa contoh pilihan, tetapi bagaimana jika Anda secara harfiah ingin menambahkan satu gambar yang lain , di mana yang terbaru tumpang tindih yang pertama ? Dalam hal ini , Anda akan mulai dengan yang terbesar , kemudian tambahkan gambar yang lebih kecil ( s ) . Untuk ini , kita akan menggunakan gambar 3D - Matplotlib.png yang sama, tetapi menggunakan yang baru yaitu logo Python :

Sekarang , kita bisa mengambil logo ini , dan letakkan di gambar asli . Itu cukup mudah ( pada dasarnya menggunakan kode yang sama yang kami digunakan dalam tutorial sebelumnya di mana kami mengganti Region of Image ( ROI ) dengan yang baru, tapi bagaimana jika kita hanya ingin bagian logo , dan bukan latar belakang putih ? Kita dapat menggunakan prinsip yang sama seperti yang kita telah digunakan sebelumnya untuk penggantian ROI , tapi kita perlu cara untuk " menghapus " latar belakang logo , sehingga putih tidak sia-sia memblokir lebih dari gambar latar belakang . Pertama saya akan menunjukkan kode lengkap , dan kemudian menjelaskan :

import cv2

import numpy as np

# Load two images

img1 = cv2.imread('3D-Matplotlib.png')

img2 = cv2.imread('mainlogo.png')

# I want to put logo on top-left corner, So I create a ROI

rows,cols,channels = img2.shape

roi = img1[0:rows, 0:cols ]

# Now create a mask of logo and create its inverse mask

img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)

# add a threshold

ret, mask = cv2.threshold(img2gray, 220, 255, cv2.THRESH_BINARY_INV)

mask_inv = cv2.bitwise_not(mask)

# Now black-out the area of logo in ROI

img1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv)

# Take only region of logo from logo image.

img2_fg = cv2.bitwise_and(img2,img2,mask = mask)

dst = cv2.add(img1_bg,img2_fg)

img1[0:rows, 0:cols ] = dst

cv2.imshow('res',img1)

cv2.waitKey(0)

cv2.destroyAllWindows()

ada beberapa hal baru yang muncul, pertama yang kita lihat yang baru , adalah penerapan ambang batas. ret, mask = cv2.threshold(img2gray, 220, 255, cv2.THRESH_BINARY_INV).

Kami akan mencakup thresholding lebih banyak di tutorial berikutnya , sehingga menantikan untuk spesifik , tetapi pada dasarnya cara kerjanya adalah akan mengkonversi semua piksel ke hitam atau putih , berdasarkan nilai ambang batas . Dalam kasus kami , ambang batas 220 , tapi kita bisa menggunakan nilai-nilai lain , atau bahkan memilih dinamis satu, yang digunakan adalah untuk apa variabel ret dapat digunakan. Selanjutnya, kita lihat : mask_inv = cv2.bitwise_not(mask)
ini adalah operasi bitwise . Pada dasarnya , operator ini sangat mirip dengan yang khas dari python , kecuali satu , tapi kami tidak akan menyentuhnya pula di sini . Dalam hal ini , bagian yang tak terlihat adalah di mana warna hitam Kemudian , kita dapat mengatakan bahwa kita ingin hitam keluar daerah ini di gambar pertama , dan kemudian mengambil gambar 2 dan menggantinya isi itu di tempat itu kosong .

Tampilan Hasil