OpenMV MicroPython
5.9. 算術運算¶
上一節的繪圖系列是將內容繪製到影像之中。算術系列則是將兩張影像合併為第三張——把它們的像素值相加、彼此相減、或在每個位置取最小值或最大值。正是這一小組逐像素的算術運算，構成了影格差分、背景減除、曝光堆疊，以及其他若干經典模式的基礎。
Image 類別上的算術系列小到足以一次列舉完畢：
add()——逐像素的self + other，截限至該格式的最大值。sub()——逐像素的self - other，於底端截限至0。rsub()——逐像素的other - self，截限至0（與sub相同的算術，但運算元順序相反）。min()——逐像素取兩值的最小值。max()——逐像素取最大值。difference()——逐像素的|self - other|，即絕對差。
外加兩項相關的單影像運算：
兩條來源漸層 A 與 B，以及將各成對運算套用於它們的結果。每項運算皆逐位置執行——結果中任一位置所顯示的內容，僅取決於該位置上的兩個來源像素。¶
5.9.1. 兩種運算元形式¶
每個雙影像方法的第二個運算元皆可接受以下任一形式：
另一張相同尺寸的
Image。算術逐位置執行——(x, y)處的結果，即為套用於兩張影像(x, y)處來源像素的運算結果。一個純量值——灰階為整數，RGB565 則為
(r, g, b)元組。同一純量套用於每個位置。
當應用程式想將每個像素移動一個固定量時，純量形式十分有用。img.add(40) 將整張影像增亮 40；img.sub((20, 20, 20)) 將每個像素的每個通道調暗 20；img.max(50) 將任何低於 50 的像素提升至 50，其餘則保持不變——這類運算可將接近全黑的感測器底色轉為平坦的暗灰，供後續階段據以處理。
5.9.2. 截限¶
像素值在每項運算中皆維持於該格式的範圍內。對於 8 位元通道而言，這代表 0——255：任何會溢位超過 255 的值都會被截限回 255，而任何會低於 0 的值則會被截限提升至 0。不存在環繞行為。
這項選擇在實務上至關重要。add 增亮像素時，在亮端絕不會因數學運算溢位而產生突然變暗的假影；sub 調暗像素時，在暗端也絕不會因數學運算下溢而產生突然變亮的假影。其結果在視覺上始終具有意義，代價則是在飽和極端處損失部分資訊。
截限也正是 sub 與 rsub 彼此回傳不同結果的原因。img_a.sub(img_b) 給出 a 中比 b 更亮的部分，其餘各處皆為零；img_a.rsub(img_b) 則給出 b 中比 a 更亮的部分。兩者對於單向變化偵測皆有用——若應用程式只關心變亮的像素，或只關心變暗的像素——但兩者皆無法捕捉兩影格之間的所有變化。
5.9.3. 差分運算¶
對於雙向變化偵測，應採用的運算是 difference()，它在每個位置計算 |self - other|——即無正負號的絕對差。每個朝任一方向變化的像素，皆會在結果中以非零值呈現，其大小與該位置的變化量成正比。
這項特性——恰在兩張影像不一致之處為非零——正是使 difference 成為逐影格變化偵測主力的原因。將啟動時所儲存的參考影格與一張新擷取的影像一同經過 difference，會產生一張影像，其非零像素標示出場景中每個發生移動或亮度變化的位置。
5.9.4. 以遮罩限定範圍¶
所有算術方法皆接受區域與遮罩頁面所引入的 mask 關鍵字引數。當傳入遮罩時，運算僅在遮罩為非零的位置執行；其餘各處的目標影像則保持不變。
這種組合方式出現於兩種模式中。第一種是將運算限制於已知區域：例如僅在偵測到的標記邊界框內將兩影格相加。第二種是逐塊建構合成影格——在前景遮罩內對一系列影格取 min、在互補遮罩內對同一系列取 max——這類模式。
5.9.5. 就地運算並保留輸入¶
算術方法皆遵循先前所確立的運作慣例：各方法皆就地修改來源影像，並回傳同一張影像以供串接。呼叫後來源的像素即不復存在——已被該運算對照第二運算元所傳入內容的結果所取代。
當應用程式需要保留兩個輸入時，安全的做法是先複製其中之一：
diff = current.copy() # leaves current intact
diff.difference(reference) # diff now holds the absolute difference
這種模式——先複製，再運算——是任何影格差分管線的骨幹，其中參考影格必須在比較中存留下來，才能在下一張擷取的影格上重複使用。
有了六種合併運算、兩種單影像運算、一項絕對差主力運算，以及用於限定範圍的 mask 關鍵字，像素算術工具組便涵蓋了經典機器視覺所需的亮度與通道組合。表面上其餘類似算術的工具則是逐位元而非逐值運作。