一、cv2.subtract()函数

cv2.subtract是OpenCV库中的一个函数，用于进行图像减法运算。它可以很方便地进行两个图像之间的减法操作，也可以用来对一个图像进行常量的减法操作。

函数的调用语法如下：

cv2.subtract(src1, src2, dst=None, mask=None, dtype=None)

参数说明：

src1：作为被减数的图像数组或一个标量。

src2：作为减数的图像数组或一个标量。

dst：可选参数，输出结果保存的变量，默认值为None，如果为非None，输出图像保存到dst对应实参中，其大小和通道数与输入图像相同，图像的深度（即图像像素的位数）由dtype参数或输入图像确定。

mask：图像掩膜，可选参数，为8位单通道的灰度图像，用于指定要更改的输出图像数组的元素，即输出图像像素只有mask对应位置元素不为0的部分才输出，否则该位置像素的所有通道分量都设置为0。

dtype：可选参数，输出图像数组的深度，即图像单个像素值的位数（如RGB用三个字节表示，则为24位）。

二、cv2.subtract(image,blurred)和（image-blurred）处理效果对比

2.1 代码

import cv2
image = cv2.imread('Images/Visible_Images/1.jpg')

# 使用高斯滤波器进行滤波
blurred = cv2.GaussianBlur(gray, (5,5), 0)

# 计算高频残差图像
residual_1 = gray - blurred
residual = cv2.subtract(image, blurred)

cv2.imshow("original",original)
cv2.imshow("residual_1",residual_1)
cv2.imshow("residual",residual)

cv2.waitKey(0)
cv2.destroyAllWindows()

2.2 输出结果

下面左图为原图，中间图为（image-blurred）方法处理结果，右图为cv2.subtract(image,blurred)处理结果。

分析：

从上面的输出结果可以看出直接使用（image-blurred），即矩阵减法在出现负数时，由于类型是uint8，负数会变成256加该负数的值，导致差异很大，也就是像素值溢出，高频信息提取较差。使用（image-blurred）这种方法，必须通过if语句对（image-blurred）差值进行限制，如果差值小于0就赋值为0，如果差值大于255赋值为255。

cv2.subtract(image,blurred)处理结果较好的提取出了高频信息，cv2.subtract函数的结果比直接使用矩阵减法更自然和平滑，它能够确保结果始终在有效的图像数据范围内。如果计算的结果小于0或大于最大值（如255对于8位图像），它会将结果裁剪到有效范围。这可以防止数据溢出，并确保结果总是有效的图像数据。

三、总结

通过上面对比分析，建议直接使用cv2.subtract函数提取高频信息，高效省事。