import cv2
import numpy as np

# 圖片打碼
a = cv2.imread(r'img.png')
a[100:200,200:300] = np.random.randint(0,256,(100,100,3))#矩陣賦值必須是相同大小
cv2.imshow(  'masaike',a)

import cv2
a = cv2.imread('img_1.png')
b = cv2.imread('img.png')
b[20:100,20:100] = a[20:100,20:100]#注意：矩陣的大小必須要統(tǒng)一。
cv2.imshow(  'b',b)
cv2.imshow( 'a',a)
# 圖片縮放cv2.resize
# 用于調(diào)整圖像的大小。它有以下幾個(gè)參數(shù)：
# src:要調(diào)整大小的輸入圖像，可以是numpy數(shù)組、PIL圖像或其他類型。
# dsize:輸出圖像的大小，可以是一個(gè)元組，例如(寬，高)，或者使用整數(shù)標(biāo)量來(lái)縮放原始圖像。如果dsize為None，則根據(jù)scalex和scaley
# fx:沿x軸的縮放系數(shù)。
# fy:沿y軸的縮放系數(shù)。
a = cv2.imread('img.png')
# a_new = cv2.resize(a,(600,200))  # 寬、高
a_new = cv2.resize(a,dsize=None,fx=1.5,fy=0.5)
cv2.imshow( 'a1',a)
cv2.imshow('a_new',a_new)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2
'''---------圖像運(yùn)算---------'''
# 圖像加法運(yùn)算
# 對(duì)于+號(hào)運(yùn)算，當(dāng)對(duì)圖像a，圖像b進(jìn)行加法求和時(shí)，遵循以下規(guī)則：
# 當(dāng)某位置像素相加得到的數(shù)值小于255時(shí)，該位置數(shù)值為兩圖像該位置像素相加之和
# 當(dāng)某位置像素相加得到的數(shù)值大于255時(shí)，該位置數(shù)值將截?cái)嘟Y(jié)果并將其減去 256  例如：相加后是260，實(shí)際是260-256=4
a = cv2.imread('img.png')
b = cv2.imread('img_1.png')
c = a+10  #圖片
cv2.imshow( 'yuan',a)
cv2.imshow( 'a+10',c)
cv2.waitKey(0)

c = a[50:100,50:100]+b[50:100,50:100]
cv2.imshow(  'a+b',c)
cv2.waitKey(0)

# 對(duì)于cv2.add()運(yùn)算，當(dāng)對(duì)圖像a，圖像b進(jìn)行加法求和時(shí)，遵循以下規(guī)則：
# 當(dāng)某位置像素相加得到的數(shù)值小于255時(shí)，該位置數(shù)值為兩圖像該位置像素相加之和
# 當(dāng)某位置像素相加得到的數(shù)值大于255時(shí)，該位置數(shù)值為255
a = cv2.imread('img.png')
b = cv2.imread('img_1.png')
b = cv2.resize(b,  (100,100))
a = cv2.resize(a, dsize= (100,100))
c = cv2.add(a,b)  #也可以使用使用
cv2.imshow( 'a add b',c)
cv2.waitKey(0)


# 圖像加權(quán)運(yùn)算
# 就是在計(jì)算兩幅圖像的像素值之和時(shí)，將每幅圖像的權(quán)重考慮進(jìn)來(lái)，可以用公式表示為dst=src1×α+src2×β+γ
a = cv2.imread('img.png')
b = cv2.imread('img_1.png')
b = cv2.resize(b, dsize= (400,400))
a = cv2.resize(a, dsize= (400,400))
#
c =cv2.addWeighted(a, 0.5,b,  0.5,  10)  # 10:圖像的亮度值（常數(shù)），將添加到加權(quán)和上
cv2.imshow( 'addWeighted',c)
cv2.waitKey(0)
cv2.destroyAllWindows()

'''---------圖像平滑處理---------'''
# 圖像平滑（smoothing）也稱為"模糊處理"（bluring）
# 通過(guò)消除圖像中的噪聲或細(xì)節(jié)來(lái)使圖像看起來(lái)更為模糊，從而實(shí)現(xiàn)平滑效果
# 可以用來(lái)壓制、弱化、消除圖像中的細(xì)節(jié)、突變和噪聲。
# 下面是常用的一些濾波器
#           均值濾波 -> blur函數(shù)
#           方框?yàn)V波 -> boxFilter函數(shù)
#           高斯濾波->GaussianBlur函數(shù)
#           中值濾波->medianBlur函數(shù)
# dst=cv2.blur(src,ksize,anchor,borderType)
#   dst是返回值
#   src是需要處理的圖像
#   ksize是濾波核（卷積核）的大小
#   anchor是錨點(diǎn)，默認(rèn)值是（-1,-1）一般無(wú)需更改
#   borderType是邊界樣式，一般無(wú)需更改
# 一般情況下，使用dst=cv2.blur(src,ksize)即可

import cv2
import numpy as np

# 1個(gè)用法
def add_peppersalt_noise(image, n=10000):
    result = image.copy()
    h, w = image.shape[:2]  # 獲取圖片的高和寬
    for i in range(n):  # 生成n個(gè)椒鹽噪聲
        x = np.random.randint(0, h)
        y = np.random.randint(0, w)
        if np.random.randint(0, 2) == 0:
            result[x, y] = 0
        else:
            result[x,y] = 255
    return result

# ##
image = cv2.imread('img.png')
cv2.imshow('yuan',image)
cv2.waitKey(0)
noise = add_peppersalt_noise(image)
cv2.imshow('noise',noise)
cv2.waitKey(0)

# ## 1、均值濾波  blur
blur_1 = cv2.blur(noise, (3,3))  #卷積核為3，3  效果一般，清晰度一般
cv2.imshow('blur_1',blur_1)
cv2.waitKey(0)
blur_2 = cv2.blur(noise, (63,63))
cv2.imshow('blur_2',blur_2)
cv2.waitKey(0)

#### dst=cv2.boxFilter(src,ddepth,ksize,anchor,normalize,borderType）式中：
####     dst是返回值，表示進(jìn)行方框?yàn)V波后得到的處理結(jié)果。
####     src 是需要處理的圖像，即原始圖像。
####     ddepth是處理結(jié)果圖像的圖像深度，一般使用-1表示與原始圖像使用相同的圖像深度。（可以理解為數(shù)據(jù)類型）
####     ksize 是濾波核的大小。濾波核大小是指在濾波處理過(guò)程中所選擇的鄰域圖像的高 度和寬度。
####     anchor 是錨點(diǎn)，（指對(duì)應(yīng)哪個(gè)區(qū)域）
####     normalize 表示在濾波時(shí)是否進(jìn)行歸一化。
####         1.當(dāng)值為True時(shí)，歸一化，用鄰域像素值的和除以面積。 此時(shí)方框?yàn)V波與 均值濾波 效果相同。
####         2.當(dāng)值為False時(shí)，不歸一化，直接使用鄰域像素值的和。和>255時(shí)使用255

boxFilter_1 = cv2.boxFilter(noise,-1, ksize=(3,3),normalize = True) # 2、方框?yàn)V波
cv2.imshow('boxFilter_1',boxFilter_1)
cv2.waitKey(0)
boxFilter_2 = cv2.boxFilter(noise,-1, ksize=(3,3),normalize = False)
cv2.imshow('boxFilter_2',boxFilter_2)
cv2.waitKey(0)

#### cv2.GaussianBlur(src, ksize[, sigmaX[, sigmaY[, dst]]])高斯濾波
#### 參數(shù)說(shuō)明：
#### src:輸入圖像，通常是一個(gè)NumPy數(shù)組。
#### ksize:濾波器的大小，它是一個(gè)元組，表示在水平和垂直方向上的像素?cái)?shù)量。例如，(5, 5)表示一個(gè)5x5的濾波器。
#### sigmaX和sigmaY:分別表示在X軸和Y軸方向上的標(biāo)準(zhǔn)差。這些值與濾波器大小相同。默認(rèn)情況下，它們都等于0，這意味著沒(méi)有高斯模糊。
#### dst:輸出圖像，通常是一個(gè)NumPy數(shù)組。如果為None，則會(huì)創(chuàng)建一個(gè)新的數(shù)組來(lái)存儲(chǔ)結(jié)果。

GaussianB = cv2.GaussianBlur(noise, ksize=(3,3), sigmaX=1) #標(biāo)準(zhǔn)差為1，標(biāo)準(zhǔn)正太分布。 3、高斯濾波
cv2.imshow('GaussianBlur',GaussianB)
cv2.waitKey(0)

# cv2.medianBlur(src, ksize[, dst]])中值濾波
# 參數(shù)說(shuō)明：
# src:輸入圖像。
# ksize:濾波器的大小，它是一個(gè)整數(shù)，表示在水平和垂直方向上的像素?cái)?shù)量。例如，5表示一個(gè)5x5的濾波器。
# dst:輸出圖像，通常是一個(gè)NumPy數(shù)組。如果為None，則會(huì)創(chuàng)建一個(gè)新的數(shù)組來(lái)存儲(chǔ)結(jié)果。

medianB = cv2.medianBlur(noise, ksize=3)  # 4、中值濾波
cv2.imshow('medianBlur',medianB)
cv2.waitKey(0)

cv2.destroyAllWindows()