由于opencv讀入圖片數(shù)據(jù)類型是uint8類型，直接加減會導(dǎo)致數(shù)據(jù)溢出現(xiàn)象

（1）用Numpy操作

可以先將圖片數(shù)據(jù)類型轉(zhuǎn)換成int類型進(jìn)行計算，

data=np.array(image,dtype=’int’)

經(jīng)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(dāng)像素值 > 255時，結(jié)果為對256取模的結(jié)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(dāng)像素值<0時，結(jié)果為加上256的結(jié)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(rèn)255，而是變成了50

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

（2）用opencv自帶函數(shù)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?yōu)?

以上兩種方法可以根據(jù)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(fā)現(xiàn)獲得的矩陣類型都是uint8

import cv2 as cvimg=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(zhuǎn)化到uint8類型

1: numpy有np.uint8()函數(shù)，但是這個函數(shù)僅僅是對原數(shù)據(jù)和0xff相與(和最低2字節(jié)數(shù)據(jù)相與)，這就容易導(dǎo)致如果原數(shù)據(jù)是大于255的，那么在直接使用np.uint8()后，比第八位更大的數(shù)據(jù)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(shù)配合cv2.NORM_MINMAX，可以設(shè)置目標(biāo)數(shù)組的最大值和最小值，然后讓原數(shù)組等比例的放大或縮小到目標(biāo)數(shù)組，如下面的例子中是將img的所有數(shù)字等比例的放大或縮小到0?255范圍的數(shù)組中，

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

然后改變數(shù)據(jù)類型

np.array([out],dtype=‘uint8’)

總結(jié)：

要想將當(dāng)前的數(shù)組作為圖像類型來進(jìn)行各種操作，就要轉(zhuǎn)換到uint8類型，轉(zhuǎn)換的方式推薦使用第二種，因為第一種在值大于255以后就容易丟失。

以上這篇淺談python opencv對圖像顏色通道進(jìn)行加減操作溢出就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。