基础篇03-图像的基本运算

本节将简要介绍Halcon中有关图像的两类基本运算，分别是代数运算和逻辑运算。除此之外，还介绍几种特殊的代数运算。

目录

1.引言

2. 基本运算

2.1 加法运算

2.2 减法运算

2.3 乘法运算

2.4 除法运算

2.5 综合实例

3. 逻辑运算

3.1 逻辑与运算

3.2 逻辑或运算

3.3 逻辑非运算

3.4 逻辑异或运算

3.5 综合实例

4. 特殊运算

4.1 图像反转

4.2 图像灰度缩放

---

1.引言

图像运算指以图像为像素为单位进行的操作（有时称为pixel-level）。具体的运算主要包括算术和逻辑运算。

1. 算术运算：包括加、减、乘、除，以及基于四种基本运算的复合运算。
2. 逻辑运算：包括与、或、非、同或、异或运算等等。

2. 基本运算

本节将逐一介绍上述各类基本运算的实现过程，重点介绍各类运算对应的Halcon算子。

Halcon提供的图像代数运算算子分为两类，一类是基础算子，包括“加、减、乘、除”，另一类是复合运算算子，比如线性加权运算。

为了讨论方便，本节分别用和表示两幅待处理的图像，用表示结果图像。

2.1 加法运算

图像的加法运算可用下式表示：

Halcon使用add_image算子实现图像相加运算，即对应位置的像素点相加。

add_image(Image1, Image2, ResultImage, Mult, Add)

参数说明：

• Image1：输入图像 1。
• Image2：输入图像 2。
• ResultImage：输出图像，存储运算结果。
• Mult：乘法因子（可选，默认为 1）。
• Add：加法因子（可选，默认为 0）。

2.2 减法运算

图像的减法运算可用下式表示：

Halcon使用sub_image算子实现图像相加运算，即对应位置的像素点相减。

sub_image(Image1, Image2, ResultImage, Mult, Add)

2.3 乘法运算

图像的乘法运算可用下式表示：

Halcon使用mult_image算子实现图像点乘运算，即对应位置的像素点相乘。

mult_image(Image1, Image2, ResultImage, Mult, Add)

2.4 除法运算

图像的除法运算可用下式表示：

Halcon使用div_image算子实现图像除法运算，即对应位置的像素点相除。

div_image(Image1, Image2, ResultImage, Mult, Add

2.5 综合实例

以下是一个完整的示例，展示如何对两幅图像进行加、减、乘、除运算：

* 读取图像
read_image(Image1, 'image1.png')
read_image(Image2, 'image2.png')* 加法
add_image(Image1, Image2, AddResult, 1, 0)
* 减法
sub_image(Image1, Image2, SubResult, 1, 0)
* 乘法
mult_image(Image1, Image2, MultResult, 1, 0)
* 除法
div_image(Image1, Image2, DivResult, 1, 0)* 显示结果
dev_display(AddResult)
dev_display(SubResult)
dev_display(MultResult)
dev_display(DivResult)

下面统一说明一些注意事项：

• 图像尺寸：参与运算的两幅图像必须具有相同的尺寸。
• 图像类型：通常要求图像类型一致（如 byte、uint2、real 等）。
• 溢出处理：运算结果可能会超出图像数据类型的范围，Halcon 会自动进行截断或归一化处理。

3. 逻辑运算

在 Halcon 中，图像的逻辑运算是对图像的像素值进行逐像素的逻辑操作（如与、或、非、异或等）。这些操作通常用于二值图像（像素值为 0 或 1），但也可以应用于多通道图像或灰度图像。

3.1 逻辑与运算

对两幅图像的像素值进行逐像素的逻辑与操作：

Halcon使用bit_and算子实现图像相加运算，即对应位置的像素点取逻辑“与”运算。

bit_and(Image1, Image2, ResultImage)

参数说明：

• Image1：输入图像 1。
• Image2：输入图像 2。
• ResultImage：输出图像，存储逻辑与运算的结果。

3.2 逻辑或运算

对两幅图像的像素值进行逐像素的逻辑或操作：

Halcon使用bit_or算子实现图像或运算，即对应位置的像素点取逻辑“或”运算。

bit_or(Image1, Image2, ResultImage)

3.3 逻辑非运算

对图像的像素值进行逐像素的逻辑非操作（取反）：

Halcon使用bit_not算子实现图像非运算，即对应位置的像素点取逻辑“非”运算。

bit_not(Image, ResultImage)

3.4 逻辑异或运算

对两幅图像的像素值进行逐像素的逻辑异或操作：

Halcon使用bit_xor算子实现图像异或运算，即对应位置的像素点取逻辑“异或”运算。

bit_xor(Image1, Image2, ResultImage)

3.5 综合实例

以下是一个完整的示例，展示如何对两幅图像进行逻辑与、或、非、异或运算：

* 读取图像
read_image(Image1, 'image1.png')
read_image(Image2, 'image2.png')* 逻辑与运算
bit_and(Image1, Image2, AndResult)
* 逻辑或运算
bit_or(Image1, Image2, OrResult)
* 逻辑非运算
bit_not(Image1, NotResult)
* 逻辑异或运算
bit_xor(Image1, Image2, XorResult)* 显示结果
dev_display(AndResult)
dev_display(OrResult)
dev_display(NotResult)
dev_display(XorResult)

最后，说一下注意事项

• 图像类型：逻辑运算通常用于二值图像（像素值为 0 或 1），但也可以应用于灰度图像或多通道图像。
• 图像尺寸：参与运算的两幅图像必须具有相同的尺寸。
• 数据类型：如果图像不是二值图像，Halcon 会将其转换为二值图像后再进行逻辑运算。

4. 特殊运算

再介绍几种Halcon提供的几种特殊运算情况。

4.1 图像反转

Halcon中使用invert_image算子用于对图像的像素值进行反转操作。

对于灰度图像，图像的反转运算如下：

该算子的声明如下：

invert_image(Image, ImageInvert)

参数说明：

• Image：输入图像（可以是灰度图像或多通道图像）。
• ImageInvert：输出图像，存储反转后的结果。

注意事项:

• 图像类型：invert_image 适用于灰度图像和多通道图像。
• 数据类型：反转操作的结果与输入图像的数据类型一致（例如，8 位图像的反转结果仍然是 8 位图像）。
• 二值图像：对于二值图像（像素值为 0 或 1），反转操作会将 0 变为 1，1 变为 0。

以下是一个简单的示例，展示如何使用 invert_image 对图像进行反转操作：

* 读取图像
read_image(Image, 'example_image.png')* 对图像进行反转操作
invert_image(Image, ImageInvert)* 显示原图和反转后的图像
dev_display(Image)
dev_display(ImageInvert)

4.2 图像灰度缩放

Halcon中使用scale_image算子用于对图像的像素值进行灰度缩放操作。

对于灰度图像，图像的灰度缩放运算如下：

该算子的声明如下：

scale_image(Image, ImageScaled, Mult, Add)

参数说明：

• Image：输入图像（可以是灰度图像或多通道图像）。
• ImageScaled：输出图像，存储缩放和偏移后的结果。
• Mult：缩放因子（乘法系数）。
• Add：偏移量（加法系数）。

以下是一个简单的示例，展示如何使用 scale_image 对图像进行缩放和偏移操作：

* 读取图像
read_image(Image, 'example_image.png')* 对图像进行缩放和偏移操作
Mult := 2.0  * 缩放因子
Add := 50    * 偏移量
scale_image(Image, ImageScaled, Mult, Add)* 显示原图和缩放后的图像
dev_display(Image)
dev_display(ImageScaled)

注意事项：

• 数据类型：scale_image 的输出图像数据类型与输入图像一致。如果缩放后的像素值超出数据类型的范围，Halcon 会自动进行截断。
• 多通道图像：对于多通道图像（如 RGB 图像），scale_image 会对每个通道分别进行缩放和偏移操作。
• 性能：scale_image 是一个高效的算子，适用于实时图像处理。

（未完待续，最新更新2025-02-02）

本专栏将介绍基于Halcon的各种传统经典的数字图像处理技术，所介绍内容基本与Gonzalez的教材保持一致。作为学习和实践DIP技术的入门教程。

感谢大家的支持和浏览，本专栏将持续更新，每篇的篇幅控制在5000字左右，这样大家阅读起来也比较轻松。估计2025年上半年完成全部内容，欢迎加收藏。但由于到了假期，更新的速度不会很快。

在专栏全部完成之前，所有内容将一直免费。