由于opencv讀入圖檔資料類型是uint8類型，直接加減會導緻資料溢出現象
(1)用Numpy操作
可以先将圖檔資料類型轉換成int類型進行計算，
data=np.array(image,dtype='int')
經過處理後(如：周遊，将大于255的置為255，小于0的置為0)
再将圖檔還原成uint8類型
data=np.array(image,dtype='uint8')
注意：
(1)如果直接相加，那麼
當像素值 > 255時，結果為對256取模的結果，例如：(240+66) % 256=50
而不是自動按照255處理
(2)如果直接相減，那麼
當像素值<0時，結果為加上256的結果，例如：(100-140)+ 256 = 216
而不是自動按照0處理
例如：
選取一張圖檔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，并不預設255，而是變成了50
再試試相減操作：再減去100，本來結果是-50，但是可以看到，變成了206(-50+256)
(2)用opencv自帶函數操作
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的自動變為0
以上兩種方法可以根據需要選擇。
補充知識：Opencv numpy中uint8類型存儲圖像
用opencv處理圖像時，可以發現獲得的矩陣類型都是uint8
import cv2 as cv
img=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，灰階圖像等)，範圍是從0–255
這裡要注意如何轉化到uint8類型
1: numpy有np.uint8()函數，但是這個函數僅僅是對原資料和0xff相與(和最低2位元組資料相與)，這就容易導緻如果原資料是大于255的，那麼在直接使用np.uint8()後，比第八位更大的資料都被截斷了，比如:
>>>a=[2000,100,2]
>>>np.uint8(a)
array([208, 100, 2], dtype=uint8)
2: 用cv2.normalize函數配合cv2.NORM_MINMAX，可以設定目标數組的最大值和最小值，然後讓原數組等比例的放大或縮小到目标數組，如下面的例子中是将img的所有數字等比例的放大或縮小到0–255範圍的數組中，
cv2.normalize(img, out, 0, 255, cv2.NORM_MINMAX)
然後改變資料類型
np.array([out],dtype=‘uint8')
總結：
要想将目前的數組作為圖像類型來進行各種操作，就要轉換到uint8類型，轉換的方式推薦使用第二種，因為第一種在值大于255以後就容易丢失。
以上這篇淺談python opencv對圖像顔色通道進行加減操作溢出就是小編分享給大家的全部内容了，希望能給大家一個參考，也希望大家多多支援我們。
本文标題: 淺談python opencv對圖像顔色通道進行加減操作溢出
本文位址: http://www.cppcns.com/jiaoben/python/315686.html