Részletes szintaktika
dst = cv2.absdiff(src1, src2) | src1 és src2 abszolút különbsége. Nem vezet ki a típus értéktartományából. |
dst = cv2.add(src1, src2) dst = cv2.add(src1, src2, dst, mask, dtype) dst = cv2.subtract(src1, src2) dst = cv2.subtract(src1, src2, dst, mask, dtype) |
src1 és src2 összege (add), illetve src1 - src2 szerinti különbsége (subtract). Megadhatunk egy mask képet is, amely azt szabályozza, mely képpontokra legyen értelmezett (nem nulla értékű maszk helyeken) a művelet. A negyedik paraméterként átadandó dst értéke lehet None érték, ezt a függvény eredményként úgyis megkapjuk. Megadhatjuk az eredmény kép típusát is (dtype). Célszerű használni, amennyiben a művelet kivezethet az eredeti típus értékkészletéből. |
dst = cv2.addWighted(src1, alpha, src2, beta, gamma, dst, dtype) |
dst = alpha * src1 + beta * src2 + gamma Súlyozott összeg képzés a fenti képlet szerint. Megadhatjuk az eredmény kép típusát is. |
dst = cv2.bitwise_not(src) dst = cv2.bitwise_and(src1, src2) dst = cv2.bitwise_and(src1, src2, dst, mask) cv2.bitwise_or() és cv2.bitwise_xor() hasonlóan. |
src értékének bitmintáin ellentett képzés (logikai NEM). src1 és src2 értékeinek bitmintái közötti logikai műveletek (logikai ÉS, logikai VAGY, logikai KIZÁRÓ_VAGY). mask területre megszorítható.
|
dst = cv2.multiply(src1, src2) dst = cv2.multiply(src1, src2, dst, scale, dtype) dst = cv2.divide(src1, src2) dst = cv2.divide(src1, src2, dst, scale, dtype) dst = cv2.divide(scale, src2) |
src1 értékeinek elemenkénti szorzása vagy osztása src2 értékeivel. A scale skalár paraméterrel az eredmény megszorozható. A harmadik osztási szintaktika a scale / src2 számításnak felel meg. |
dst = cv2.exp(src) dst = cv2.log(src) dst = cv2.pow(src, power) |
Exponens függvény, természetes alapú logaritmus számítás és hatványozás megadott kitevőre, a mátrix minden elemére. |
dst = cv2.min(src1, src2) dst = cv2.max(src1, src2) |
Képpontonkénti minimum és maximum érték számítás. Egyforma méretű képmátrixokat kell megadni. Az eredmény képmátrix lesz, a párba kerülő képpont értékek minimuma vagy maximuma számolódik! |
mean, stddev = cv2.meanStdDev(src) mean, stddev = cv2.meanStdDev(src, mean, stddev, mask) |
A képmátrix képpont értékeinek átlaga és szórása. A mask segítségével a képmátrix egy részére korlátozhatjuk a számítást. |
minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(src[, mask]) | Képmátrix minimális és maximális elemű értékei, valamint az előfordulási helyük, amit koordináta tuple értékként kapunk meg. |
retVal = cv2.sum(src) | Mátrix képpont értékeinek összeg számítása. Skalár értéket kapunk. |