Mint láttuk, a képmátrixokat az OpenCV Python felülete Numpy tömbökben biztosítja számunkra. Mind a Numpy, mind az OpenCV lehetőséget biztosít képek közötti aritmetikai műveletekre, mint például az összeadás, kivonás, szorzás. Ha az egyik kép helyett skalár értéket adunk meg, akkor minden képpontra egyenként fogja a skalár műveletet elvégezni.

Fontos!

Nagy különbség van a Numpy és az OpenCV aritmetika között! Numpy esetén alul- vagy túlcsorduláskor körkörös az értékváltás az értéktartományon belül, míg az OpenCV úgynevezett szaturált aritmetikát használ: túlcsorduláskor a maximális, alulcsorduláskor a minimális értéket adja! Emiatt célszerűbb az OpenCV aritmetikai függvények használata, még ha a Numpy egyszerűbb is lenne.

Próbáljuk ki az alábbiakat.

nparr = np.array([0, 50, 100, 150, 200, 250], dtype=np.uint8)
print(nparr)

print(nparr + 100)
print(nparr - 100)

print(cv2.add(nparr, 100))
print(cv2.add(nparr, -100))

Az eredmények:

[ 0 50 100 150 200 250]
[100 150 200 250 44 94]
[156 206 0 50 100 150]
[[100]
[150]
[200]
[250]
[255]
[255]]
[[ 0]
[ 0]
[ 0]
[ 50]
[100]
[150]]

A Numpy a túlcsordulást és az alulcsordulást másként kezeli, mint az OpenCV! Az OpenCV Numpy eredménye más felépítésű, mint a Numpy összeadásé.

További példák (angol nyelven):

• https://docs.opencv.org/3.4.0/d0/d86/tutorial_py_image_arithmetics.html

Az OpenCV számos függvényt definiál képek közötti és skalár értékekkel való aritmetikára és logikai műveletekre. Néhány ezek közül:

• absdiff(): abszolút különbség.
• add(): összeadás.
• addWeighted(): súlyozott összeadás.
• bitwise_and(), bitwise_not(), bitwise_or(), bitwise_xor(): logikai ÉS, NEM, VAGY, KIZÁRÓ VAGY.
• divide(): osztás.
• exp(): exponens.
• log(): logaritmus.
• min(), max(): elemenkénti minimum, maximum.
• multiply(): szorzás.
• normalize(): értékkészlet normalizálás.
• pow(): hatványozás.
• scaleAdd(): skálázott összeadás.
• subtract(): kivonás.

Egy képmátrixra statisztika számítás, skalár eredménnyel:

• mean(): átlag.
• meanStdDev(): átlag és szórás.
• minMaxIdx(): minimum és maximum értéke és indexe.
• sum(): összeg.

Dokumentáció (angol nyelven):

• https://docs.opencv.org/3.4.0/d2/de8/group__core__array.html