c++视觉图像线性混合

图像线性混合

使用 cv::addWeighted() 函数对两幅图像进行线性混合。alpha 和 beta 是两幅图像的权重,它们之和应该等于1。gamma 是一个可选的增益,这里设置为0。

你可以通过调整 alpha 的值来改变混合比例。如果 alpha=0.5,则两幅图像等权重混合,如果 alpha=0.7,则第一幅图像的权重更大。

图像线性混合(Image Blending)通常是通过权重对两幅图像进行加权相加的操作,产生一幅新的图像。这是一个简单的线性混合的示例:

cpp 复制代码
#include <opencv2/opencv.hpp>

int main() {
	// 读取两幅图像
	cv::Mat image1 = cv::imread("11.png");
	cv::Mat image2 = cv::imread("22.png");

	// 检查图像是否成功加载
	if (image1.empty() || image2.empty()) {
		std::cerr << "Error: Could not read the image(s)." << std::endl;
		return -1;
	}

	// 确保两幅图像大小相同
	if (image1.size() != image2.size()) {
		std::cerr << "Error: Image sizes do not match." << std::endl;
		return -1;
	}

	// 定义混合权重
	double alpha = 0.5;  // 第一幅图像的权重
	double beta = 1.0 - alpha;  // 第二幅图像的权重

	// 进行线性混合
	cv::Mat blendedImage;
	cv::addWeighted(image1, alpha, image2, beta, 0.0, blendedImage);

	// 显示原始图像和混合后的图像
	cv::imshow("Image 1", image1);
	cv::imshow("Image 2", image2);
	cv::imshow("Blended Image", blendedImage);

	// 等待按键
	cv::waitKey(0);

	return 0;
}

设置感兴趣区域再矩形线形混合

cpp 复制代码
#include <opencv2/opencv.hpp>

int main() {
    // 读取两幅图像
    cv::Mat image1 = cv::imread("11.png");
    cv::Mat image2 = cv::imread("22.png");

    // 检查图像是否成功加载
    if (image1.empty() || image2.empty()) {
        std::cerr << "Error: Could not read the image(s)." << std::endl;
        return -1;
    }

    // 确保两幅图像大小相同
    if (image1.size() != image2.size()) {
        std::cerr << "Error: Image sizes do not match." << std::endl;
        return -1;
    }

    // 定义感兴趣区域的矩形
    cv::Rect roiRect(100, 50, 150, 100);

    // 定义不同区域的权重
    double alpha1 = 0.8;  // 第一幅图像的权重
    double beta1 = 1.0 - alpha1;  // 第二幅图像的权重

    double alpha2 = 0.3;  // 第一幅图像的权重
    double beta2 = 1.0 - alpha2;  // 第二幅图像的权重

    // 创建两个感兴趣区域
    cv::Mat roi1 = image1(roiRect);
    cv::Mat roi2 = image2(roiRect);

    // 进行线性混合
    cv::Mat blendedROI;
    cv::addWeighted(roi1, alpha1, roi2, beta1, 0.0, blendedROI);

    // 将混合后的ROI放回原图像
    blendedROI.copyTo(image1(roiRect));

    // 显示原始图像和混合后的图像
    cv::imshow("Image 1", image1);
    cv::imshow("Image 2", image2);

    // 等待按键
    cv::waitKey(0);

    return 0;
}
相关推荐
QYR_118 分钟前
2026-2032年耳轴夹具行业洞察:核心应用驱动下的市场增长路径
人工智能
硅谷秋水14 分钟前
一个务实的VLA基础模型
人工智能·深度学习·机器学习·计算机视觉·语言模型·机器人
wangqiaowq14 分钟前
Modbus TCP/RTU、OPC UA 和 MQTT 是工业自动化和物联网(IoT)领域中常用的通信协议
人工智能
大模型任我行15 分钟前
阿里:LLM结构化数学推理评测基准
人工智能·语言模型·自然语言处理·论文笔记
进击ing小白20 分钟前
OpenCv之图像颜色空间介绍
人工智能·opencv·计算机视觉
lauo26 分钟前
【智体OS】ibbot智体机灵 V1.0:你的手机AI超脑,一句话开启智体时代————终将打败OpenClaw的国产开源项目
人工智能·智能手机
OPEN-Source27 分钟前
给 Agent 安装技能:工具抽象、自动选工具与安全边界
人工智能·python·agent·rag·deepseek
量化炼金 (CodeAlchemy)29 分钟前
【交易策略】低通滤波器策略:在小时图上捕捉中期动量
大数据·人工智能·机器学习·区块链
智算菩萨35 分钟前
上下文学习的贝叶斯推断视角:隐式梯度下降还是隐式贝叶斯?
人工智能·算法
看-是灰机40 分钟前
openclaw
人工智能