python中opencv對圖像顏色通道進行加減操作溢出的解析

這篇文章主要講解了python中opencv對圖像顏色通道進行加減操作溢出的解析，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。

由于opencv讀入圖片數據類型是uint8類型，直接加減會導致數據溢出現象

（1）用Numpy操作

可以先將圖片數據類型轉換成int類型進行計算，

data=np.array(image,dtype='int')

經過處理后（如：遍歷，將大于255的置為255，小于0的置為0）

再將圖片還原成uint8類型

data=np.array(image,dtype='uint8')

注意：

（1）如果直接相加，那么

當像素值 > 255時，結果為對256取模的結果，例如：(240+66) % 256=50

而不是自動按照255處理

（2）如果直接相減，那么

當像素值<0時，結果為加上256的結果，例如：（100-140）+ 256 = 216

而不是自動按照0處理

例如：

選取一張圖片R分量做實驗

情況一：直接numpy操作

先加到240，再加66，超過了255，可以看到，并不默認255，而是變成了50

再試試相減操作：再減去100，本來結果是-50，但是可以看到，變成了206（-50+256）

（2）用opencv自帶函數操作

圖像相加：

cv2.add(）

像素值>255， 直接自動按照255處理

圖像相減：

cv2.subtract()

像素值小于0，直接自動按照0處理

例如：

r加上300，自動變成255

同理，小于0的自動變為0

以上兩種方法可以根據需要選擇。

補充知識：Opencv numpy中uint8類型存儲圖像

用opencv處理圖像時，可以發現獲得的矩陣類型都是uint8

import cv2 as cv
img=cv.imread(hello.png)
print(img)
array([[[...],
    [...],
    [...]]],dtype='uint8')

uint8是專門用于存儲各種圖像的（包括RGB，灰度圖像等），范圍是從0–255

這里要注意如何轉化到uint8類型

1: numpy有np.uint8()函數，但是這個函數僅僅是對原數據和0xff相與(和最低2字節數據相與)，這就容易導致如果原數據是大于255的，那么在直接使用np.uint8()后，比第八位更大的數據都被截斷了，比如:

>>>a=[2000,100,2]
>>>np.uint8(a)
array([208, 100, 2], dtype=uint8)

2: 用cv2.normalize函數配合cv2.NORM_MINMAX，可以設置目標數組的最大值和最小值，然后讓原數組等比例的放大或縮小到目標數組，如下面的例子中是將img的所有數字等比例的放大或縮小到0–255范圍的數組中，

cv2.normalize(img, out, 0, 255, cv2.NORM_MINMAX)

然后改變數據類型

np.array([out],dtype=‘uint8')

看完上述內容，是不是對python中opencv對圖像顏色通道進行加減操作溢出的解析有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。