OpenCV/Python:cv2.add（）中向图像添加数字时出错

我正在使用OpenCV/Python，我正在尝试向图像添加一个数字

我的代码是：

import cv2
import numpy as np
import math
from matplotlib import pyplot as plt

img = cv2.imread('messi.jpg',0)
img2 = img
img2 = cv2.add(img2, np.uint8([50]))

我得到了下一个错误：

OpenCV Error: Assertion failed (type2 == CV_64F && (sz2.height == 1 || sz2.heigh
t == 4)) in cv::arithm_op, file C:\builds\master_PackSlaveAddon-win64-vc12-stati
c\opencv\modules\core\src\arithm.cpp, line 1989
Traceback (most recent call last):
  File "lab3_examples.py", line 27, in <module>
    img2 = cv2.add(img, np.uint8([50]))
cv2.error: C:\builds\master_PackSlaveAddon-win64-vc12-static\opencv\modules\core
\src\arithm.cpp:1989: error: (-215) type2 == CV_64F && (sz2.height == 1 || sz2.h
eight == 4) in function cv::arithm_op

OpenCV错误：断言失败（type2==CV_64F&&（sz2.height==1 | | sz2.heigh
t==4）在cv:：arithm_op中，文件C:\builds\master_PackSlaveAddon-win64-vc12-stati
c\opencv\modules\core\src\arithm.cpp，第1989行
回溯（最近一次呼叫最后一次）：
文件“lab3_examples.py”，第27行，在
img2=cv2.add（img，np.uint8（[50]））
cv2.0错误：C:\builds\master\u PackSlaveAddon-win64-vc12-static\opencv\modules\core
\src\arithm.cpp:1989:错误：（-215）type2==CV_64F&&（sz2.height==1||sz2.h
函数cv:：arithm_op中的八==4）

我使用的图像是

mesi.jpg

相反，如果我使用通过值255的

img2=np.add（img2，np.uint8（[50]）

强度，则

值%255结果

，例如

260%255=4

像素值设置为4，而不是255。结果，白色像素变为黑色

这是错误的结果图像

---

有什么想法吗？

我建议将BGR图像转换为HSV图像：

hsv= cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

然后使用以下方法拆分通道：

h_channel, s_channel, v_channel = cv2.split(hsv)

现在播放

h_频道

：

h_channel + = 20  #---You can try any other value as well---

现在，将频道重新合并在一起：

merged = cv2.merge((h_channel , s_channel , v_channel ))

最后将图像转换回BGR并显示：

Final_image = cv2.cvtColor(merged, cv2.COLOR_HSV2BGR)
cv2.imshow('Final output', Final_image)

您将看到增强或变暗的图像，具体取决于您添加的值

希望有帮助在C++中使用了d

。 在Python中

img2=cv2.add（img2，50）

如果您想增加灰度图像的亮度，也可以。如果暗示为彩色，颜色平衡将发生变化。对于彩色图像，为了保持平衡，最好的答案是Alex，Bill Grates：

唯一的备注-代码的下一部分不是必需的：

v[v>255]=255

v[v<0]=0

---

在我的例子中（Python3，Opencv4）。

这是一个很好的例子，但我想向我的学生解释

RGB

通道，因此没有必要让他们参与

HSV

。无论如何谢谢你！在这种情况下，您可以使用RGB图像尝试相同的情况。将图像拆分为单独的通道，并向其中添加一个整数合并通道，然后查看结果…简单..：D