001 opencv addWeighted

目录

一、环境

二、addWeighted函数

三、代码演示


一、环境

本文使用环境为:

  • Windows10
  • Python 3.9.17
  • opencv-python 4.8.0.74

二、addWeighted函数

OpenCV中的cv.addWeighted函数是一个用于图像叠加的函数,它可以将两个具有相同尺寸和类型的图像按照指定的权重进行加权叠加。这个函数的主要作用是将两个图像融合在一起,以实现特定的视觉效果。

函数原型如下:

python 复制代码
cv2.addWeighted(src1, alpha, src2, beta, gamma)

参数说明:

  • src1:第一个输入图像,可以是任意大小和类型。
  • alpha:第一个输入图像的权重,范围为0到1。alpha越大,第一个输入图像在结果中所占的比重越大。
  • src2:第二个输入图像,与src1具有相同的尺寸和类型。
  • beta:第二个输入图像的权重,范围为0到1。beta越大,第二个输入图像在结果中所占的比重越大。
  • gamma:可选参数,用于调整输出图像的亮度。默认值为0。

返回值:

  • dst:加权叠加后的输出图像,与输入图像具有相同的尺寸和类型。

三、代码演示

给定两张图片:

完整代码,注意执行代码后,需要在bash窗口输入一个0-1之间的小数:

python 复制代码
from __future__ import print_function
import cv2 as cv

# opencv-python           4.8.0.74
alpha = 0.5
try:
    raw_input          # Python 2
except NameError:
    raw_input = input  # Python 3

print(''' Simple Linear Blender
-----------------------
* Enter alpha [0.0-1.0]: ''')
input_alpha = float(raw_input().strip())
if 0 <= alpha <= 1:
    alpha = input_alpha
# 读取图片
src1 = cv.imread(cv.samples.findFile('LinuxLogo.jpg'))
src2 = cv.imread(cv.samples.findFile('WindowsLogo.jpg'))
# 判断是否正常读取
if src1 is None:
    print("Error loading src1")
    exit(-1)
elif src2 is None:
    print("Error loading src2")
    exit(-1)
# 渲染图片
beta = (1.0 - alpha)
dst = cv.addWeighted(src1, alpha, src2, beta, 0.0)
# 显示
cv.imshow('dst', dst)
cv.waitKey(0)
# 释放窗口
cv.destroyAllWindows()

如下图是我输入0.5的效果图:

相关推荐
iFeng的小屋几秒前
【2026最新当当网爬虫分享】用Python爬取千本日本相关图书,自动分析价格分布!
开发语言·爬虫·python
民乐团扒谱机3 分钟前
【微科普】3D 演奏蠕虫分析图:解码音乐表演情感的 “可视化语言”
python·可视化·音乐·3d图·3d蠕虫
芝士爱知识a9 分钟前
AlphaGBM 深度解析:下一代基于 AI 与蒙特卡洛的智能期权分析平台
数据结构·人工智能·python·股票·alphagbm·ai 驱动的智能期权分析·期权
52Hz1181 小时前
力扣230.二叉搜索树中第k小的元素、199.二叉树的右视图、114.二叉树展开为链表
python·算法·leetcode
喵手1 小时前
Python爬虫实战:网页截图归档完全指南 - 构建生产级页面存证与历史回溯系统!
爬虫·python·爬虫实战·零基础python爬虫教学·网页截图归档·历史回溯·生产级方案
张3蜂1 小时前
Python 四大 Web 框架对比解析:FastAPI、Django、Flask 与 Tornado
前端·python·fastapi
2601_948374571 小时前
商用电子秤怎么选
大数据·python
Volunteer Technology1 小时前
Sentinel的限流算法
java·python·算法
七夜zippoe2 小时前
Python统计分析实战:从描述统计到假设检验的完整指南
开发语言·python·统计分析·置信区间·概率分布