عند إجراء العمليات الحسابية على الصور في Python يجب مراعاة نوع البيانات. الصورة الرمادية المعتادة تستخدم uint8 بقيم من 0 إلى 255. نحولها إلى float32 قبل الحساب ثم نحصر النتائج باستخدام clip، حتى لا تلتف القيم الكبيرة أو السالبة. كل عملية في المثال تنطلق من الصورة الأصلية نفسها لتسهيل المقارنة.
الكود الكامل باستخدام Python 3
import cv2
import numpy as np
def apply_operations(image):
source = image.astype(np.float32)
values = {
"add": source + 40,
"subtract": source - 40,
"multiply": source * 1.5,
"divide": source / 2.0,
}
return {name: np.clip(value, 0, 255).astype(np.uint8)
for name, value in values.items()}
if __name__ == "__main__":
image = cv2.imread("image.jpg", cv2.IMREAD_GRAYSCALE)
if image is None:
raise SystemExit("Cannot read image.jpg; check the file path.")
for name, result in apply_operations(image).items():
if not cv2.imwrite(f"result_{name}.png", result):
raise SystemExit(f"Cannot save {name} result.")
print("Saved four result images.")متطلبات التشغيل
ثبّت opencv-python وnumpy في البيئة التي تشغل منها الملف، وضع image.jpg بجانب البرنامج أو عدّل المسار. يحفظ المثال النتائج بدل فتح نافذة، لذلك يمكن تجربته في بيئات لا تدعم واجهة رسومية. تتحقق imread من القراءة بإرجاع None عند فشلها؛ لا تحاول الوصول إلى shape قبل هذا التحقق.
لماذا التحويل قبل الحساب؟
قد يتجاوز جمع أو طرح القيم في uint8 مجال النوع، فينتج رقم مختلف عن السطوع المقصود. في المثال تصبح 250 + 40 مساوية 290 في float32، ثم تحولها clip إلى 255 قبل العودة إلى uint8. القيم السالبة تصبح صفرًا. دوال OpenCV مثل add تدعم أيضًا الحساب المشبع، لكن المثال يوضح الخطوات صراحة.
كيف تقارن النتائج؟
ستجد أربعة ملفات مستقلة: الجمع يزيد السطوع، والطرح يقلله، والضرب يوسع القيم، والقسمة تقللها. لا نعدّل مصفوفة المصدر بين العمليات حتى لا تصبح نتيجة الضرب مبنية على نتيجة الجمع والطرح. تغيير عامل القسمة إلى متغير يتطلب رفض الصفر أولًا. هذه عمليات على القيم وليست كلها مرشحات لإزالة الضوضاء.






