【笔记】opencv图像运算图像加密

红太狼 2022-11-02 11:53 207阅读 0赞

## 图像加权和 ##

可以用cv2.addWeighted()表示加权和  
一个注意点：  
cv2.addWeighted(a,0.5,b,0.5,0)中两个图像的尺寸和通道数要相同，不然会报错。  
示例：

a = cv2.imread("p7.jpg")
    b = cv2.imread("me1.jpg")
    face1 = a[0:300,100:400]
    face2 = b[150:450,100:400]
    result= cv2.addWeighted(face1,0.5,face2,1,0)
    cv2.imshow("re",result)
    
    # cv2.imshow("i3",img)
    cv2.waitKey()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70]

## 按位逻辑运算 ##

cv2.bitwise\_and() 按位与  
cv2.bitwise\_or()按位或  
cv2.bitwise\_xor()异或  
cv2.bitwise\_nor()取反  
数值200与255进行按位与，保持200不变  
示例：

a = cv2.imread("p7.jpg",0)
    b = np.zeros(a.shape,np.uint8)
    cv2.imshow("re",b)
    b[100:300,100:400] = 255
    c = cv2.bitwise_and(a,b)
    cv2.imshow("reu",c)
    
    # cv2.imshow("i3",img)
    cv2.waitKey()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 1]  
由于按位与操作要求参与运算的数据有相同的通道，所以无法直接将彩色图像与单通道掩膜图像进行按位与操作  
将函数改为按位或:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 2]  
opencv很多函数都指定一个掩膜作为参数，使用掩膜参数时，**操作只会在掩膜非空的像素点上执行，并将其他像素置为0**

cv2.threshold()  
这个函数有四个参数，第一个原图像，第二个进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有：  
• cv2.THRESH\_BINARY（黑白二值）  
• cv2.THRESH\_BINARY\_INV（黑白二值反转）  
• cv2.THRESH\_TRUNC （得到的图像为多像素值）  
• cv2.THRESH\_TOZERO  
• cv2.THRESH\_TOZERO\_INV  
该函数有两个返回值，第一个retVal（得到的阈值值（在后面一个方法中会用到）），第二个就是阈值化后的图像。

## 图像加密: ##

a = cv2.imread("p7.jpg",0)
    # a = cv2.cvtColor(a, cv2.COLOR_BGR2GRAY)
    h,w = a.shape
    mask = np.zeros((h,w),dtype=np.uint8)
    mask[100:300,200:400] = 1
    key = np.random.randint(0,256,size=[h,w],dtype=np.uint8)
    after = np.bitwise_and(a,mask*255)
    
    afterxor = cv2.bitwise_xor(key,a)
    cv2.imshow("afterxor",afterxor) #图片加密
    cv2.imshow("a",after)
    encypt = cv2.bitwise_and(afterxor,mask*255)
    cv2.imshow("encypt",encypt) 
    noface1 = cv2.bitwise_and(a,(1-mask)*255)
    cv2.imshow("noface",noface1)
    noface2 = cv2.bitwise_and(a,afterxor)
    maskface = encypt+noface1 #图像打码
    cv2.imshow("maskface",maskface)
    cv2.imshow("noface2",noface2)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

效果:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 3]

## 颜色空间的转化用到了如下约定： ##

8位图像值的范围是\[0,255\] 16位图像值的范围是\[0,65535\] 浮点数图像值的范围是\[0,1\]  
**np.random.randint**  
np.random.randint(5, size=(3,2, 4))  
生成0-5的范围内（不包括5）的三个矩阵，每个矩阵为2行4列  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 4]  
进行试验:

img = np.random.randint(0,256,size=[200,70,4],dtype=np.uint8)
    cv2.imshow("img",img)

结果:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 5]  
size=\[200,70,4\]中随着第二个参数的增大，横向区域不断变大。且第二个和第三个参数的大小不能超过第一个，不然报错  
第一个参数增大后纵向距离变大  
其中第三个参数为4时程序可以正常，但是为5和2时就会报错，猜测应该是小于4通道数  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 6]  
第三个参数为1时也可以正常运行:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 7]  
不加第三个参数时，显示的也是如上的灰度图  
当图像从GRAY色彩空间转化到RGB/BGR色彩空间时，最终所有的通道的值都是相同的  
在RGB和BGR模式之间发生转化时，R和B通道的位置发生了交换。  
模式转化之后：

img = cv2.imread("p7.jpg")
    img2 = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
    cv2.imshow("img",img)
    cv2.imshow("img2",img2)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 8]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70]: /images/20221024/5a130681098144379476477f049093b6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 1]: /images/20221024/504bba641aa5422c8f7d38838f8938c9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 2]: /images/20221024/2e8717891e9646f3b085e5ca60237a2b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 3]: /images/20221024/778441394ace4b4ca808436a42411654.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 4]: /images/20221024/595cd8b1cbaf49e59eb1ca29b78daa9b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 5]: /images/20221024/7c2cd6155ca942dc8c1db4d0837dc6f5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 6]: /images/20221024/bab1ff5735c244f6998da1abb9de3045.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 7]: /images/20221024/0e5cb5ede878434d950a91d26fa74d2e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 8]: /images/20221024/25f70890162b4ca3bb7cf0cc6d1ce47b.png