浅谈python opencv对图像颜色通道进行加减操作溢出

由于opencv读入图片数据类型是uint8类型，直接加减会导致数据溢出现象

（1）用Numpy操作

可以先将图片数据类型转换成int类型进行计算，

data=np.array(image,dtype='int')

经过处理后（如：遍历，将大于255的置为255，小于0的置为0）

再将图片还原成uint8类型

data=np.array(image,dtype='uint8')

注意：

（1）如果直接相加，那么

当像素值 > 255时，结果为对256取模的结果，例如：(240+66) % 256=50

而不是自动按照255处理

（2）如果直接相减，那么

当像素值<0时，结果为加上256的结果，例如：（100-140）+ 256 = 216

而不是自动按照0处理

例如：

选取一张图片R分量做实验

情况一：直接numpy操作

先加到240，再加66，超过了255，可以看到，并不默认255，而是变成了50

再试试相减操作：再减去100，本来结果是-50，但是可以看到，变成了206（-50+256）

（2）用opencv自带函数操作

图像相加：

cv2.add(）

像素值>255， 直接自动按照255处理

图像相减：

cv2.subtract()

像素值小于0，直接自动按照0处理

例如：

r加上300，自动变成255

同理，小于0的自动变为0

以上两种方法可以根据需要选择。

补充知识：Opencv numpy中uint8类型存储图像

用opencv处理图像时，可以发现获得的矩阵类型都是uint8

import cv2 as cv
img=cv.imread(hello.png)
print(img)
array([[[...],
    [...],
    [...]]],dtype='uint8')

uint8是专门用于存储各种图像的（包括RGB，灰度图像等），范围是从0?C255

这里要注意如何转化到uint8类型

1: numpy有np.uint8()函数，但是这个函数仅仅是对原数据和0xff相与(和最低2字节数据相与)，这就容易导致如果原数据是大于255的，那么在直接使用np.uint8()后，比第八位更大的数据都被截断了，比如:

>>>a=[2000,100,2]
>>>np.uint8(a)
array([208, 100, 2], dtype=uint8)

2: 用cv2.normalize函数配合cv2.NORM_MINMAX，可以设置目标数组的最大值和最小值，然后让原数组等比例的放大或缩小到目标数组，如下面的例子中是将img的所有数字等比例的放大或缩小到0?C255范围的数组中，

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

然后改变数据类型

np.array([out],dtype=‘uint8')

总结：

要想将当前的数组作为图像类型来进行各种操作，就要转换到uint8类型，转换的方式推荐使用第二种，因为第一种在值大于255以后就容易丢失。