Lab08 - Relacionamento e operações entre imagens

Operações aritméticas¶

Objetivos: Compreender e praticar relacionamento e operações entre imagens

Sim, por que não?? lembre que uma imagem nada mais é que uma matriz. Logo podemos aplicar as mais diversas operações matemáticas.

Soma e Subtração¶

Podemos aplicar operações matemáticas para alterar o brilho e contraste de uma imagem. Na OpenCV usamos as funções cv2.add() e cv2.subtract()

In [1]:

%matplotlib inline
import cv2
from matplotlib import pyplot as plt
import numpy as np


img = cv2.imread("goku.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# cria uma matriz com o mesmo dimensional da imagem original, mas com valores 100
matriz = np.ones(img.shape, dtype="uint8") * 150



img2 = cv2.add(img, matriz)


plt.imshow(img);
plt.show()
plt.imshow(img2);

%matplotlib inline import cv2 from matplotlib import pyplot as plt import numpy as np img = cv2.imread("goku.jpg") img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # cria uma matriz com o mesmo dimensional da imagem original, mas com valores 100 matriz = np.ones(img.shape, dtype="uint8") * 150 img2 = cv2.add(img, matriz) plt.imshow(img); plt.show() plt.imshow(img2);

In [2]:

%matplotlib inline
import cv2
from matplotlib import pyplot as plt
import numpy as np


img = cv2.imread("goku.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# cria uma matriz com o mesmo dimensional da imagem original, mas com valores 100
matriz = np.ones(img.shape, dtype="uint8") * 150



img2 = cv2.subtract(img, matriz)


plt.imshow(img);
plt.show()
plt.imshow(img2);

%matplotlib inline import cv2 from matplotlib import pyplot as plt import numpy as np img = cv2.imread("goku.jpg") img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # cria uma matriz com o mesmo dimensional da imagem original, mas com valores 100 matriz = np.ones(img.shape, dtype="uint8") * 150 img2 = cv2.subtract(img, matriz) plt.imshow(img); plt.show() plt.imshow(img2);

In [3]:

%matplotlib inline
import cv2
from matplotlib import pyplot as plt
import numpy as np


img = cv2.imread("jornada.png")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# cria uma matriz com o mesmo dimensional da imagem original, mas com valores 100
matriz = np.ones(img.shape, dtype="uint8") * 100



img2 = cv2.add(img, matriz)


plt.imshow(img);
plt.show()
plt.imshow(img2);

%matplotlib inline import cv2 from matplotlib import pyplot as plt import numpy as np img = cv2.imread("jornada.png") img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # cria uma matriz com o mesmo dimensional da imagem original, mas com valores 100 matriz = np.ones(img.shape, dtype="uint8") * 100 img2 = cv2.add(img, matriz) plt.imshow(img); plt.show() plt.imshow(img2);

Sobreposição de imagens¶

Para realizar a sobreposição de imagens, ou blending, a OpenCV possui a função cv2.addWeighted(). Neste caso precisamos ponderar a porcentagem de cada imagem na imagem final.

In [4]:

%matplotlib inline
import cv2
from matplotlib import pyplot as plt
import numpy as np



src1 = cv2.imread('lena.jpg')
src1_rgb = cv2.cvtColor(src1, cv2.COLOR_BGR2RGB)

src2 = cv2.imread('rocket.jpg')
src2_rgb = cv2.cvtColor(src2, cv2.COLOR_BGR2RGB)

# 50% de transparencia para cada imagem
dst = cv2.addWeighted(src1_rgb, 0.5, src2_rgb, 0.5, 0)

plt.imshow(dst);
plt.show()

%matplotlib inline import cv2 from matplotlib import pyplot as plt import numpy as np src1 = cv2.imread('lena.jpg') src1_rgb = cv2.cvtColor(src1, cv2.COLOR_BGR2RGB) src2 = cv2.imread('rocket.jpg') src2_rgb = cv2.cvtColor(src2, cv2.COLOR_BGR2RGB) # 50% de transparencia para cada imagem dst = cv2.addWeighted(src1_rgb, 0.5, src2_rgb, 0.5, 0) plt.imshow(dst); plt.show()

Operações Lógicas¶

Podemos executar nas imagens operações lógicas, como as mais usuais: NOT, AND, OR e XOR

In [5]:

import cv2
import numpy as np

img = cv2.imread('lena.jpg',0)


plt.imshow(img, cmap="gray")
plt.show()

import cv2 import numpy as np img = cv2.imread('lena.jpg',0) plt.imshow(img, cmap="gray") plt.show()

In [6]:

# Aplicando NOT
m_not = cv2.bitwise_not(img)

plt.imshow(m_not, cmap="gray")
plt.show()

# Aplicando NOT m_not = cv2.bitwise_not(img) plt.imshow(m_not, cmap="gray") plt.show()

In [7]:

# Criando uma imagen inicial preta
mask = np.zeros((img.shape[0], img.shape[1]), dtype="uint8")

# Coordenada central
center = (int(img.shape[1]/2), int(img.shape[0]/2))

# Tamanho do raio
radius = int((img.shape[0]/2)*0.8)

# Desenhando circulo braco
cv2.circle(mask, center, radius, 255, -1)

plt.imshow(mask, cmap="gray")
plt.show()

# Criando uma imagen inicial preta mask = np.zeros((img.shape[0], img.shape[1]), dtype="uint8") # Coordenada central center = (int(img.shape[1]/2), int(img.shape[0]/2)) # Tamanho do raio radius = int((img.shape[0]/2)*0.8) # Desenhando circulo braco cv2.circle(mask, center, radius, 255, -1) plt.imshow(mask, cmap="gray") plt.show()

In [8]:

# Aplicando AND
m_and = cv2.bitwise_and(img,mask)
plt.imshow(m_and, cmap="gray")
plt.show()

# Aplicando AND m_and = cv2.bitwise_and(img,mask) plt.imshow(m_and, cmap="gray") plt.show()

In [9]:

# Aplicando OR
m_or = cv2.bitwise_or(img,mask)
plt.imshow(m_or, cmap="gray")
plt.show()

# Aplicando OR m_or = cv2.bitwise_or(img,mask) plt.imshow(m_or, cmap="gray") plt.show()

In [10]:

# Aplicando XOR
m_xor = cv2.bitwise_xor(img,mask)
plt.imshow(m_xor, cmap="gray")
plt.show()

# Aplicando XOR m_xor = cv2.bitwise_xor(img,mask) plt.imshow(m_xor, cmap="gray") plt.show()

In [ ]: