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
程序员杰哥21 分钟前
依赖于第三方接口时,如何进行测试?
自动化测试·软件测试·python·测试工具·职场和发展·测试用例·接口测试
java修仙传22 分钟前
从网页禅道到 AI 能调用的工具:我的禅道 MCP 实现思路分享
java·人工智能·python·ai应用·mcp开发
reasonsummer24 分钟前
【办公类-120-01】20260812闵行区幼儿园概况表的数据统计(户籍、五类性质、优抚子女)
前端·python
梦想的旅途243 分钟前
企业微信API实战:Python自动化消息推送
java·前端·python·自动化·企业微信
月光船幽幽1 小时前
昆仑流形多模态融合新架构
人工智能·python
爱敲代码的憨仔1 小时前
BM25全文检索
开发语言·python·全文检索
SamChan902 小时前
用Python+Requests批量翻译PDF:从脚本到调度
后端·python·microsoft·ai·pdf·机器翻译
草莓熊Lotso2 小时前
【LangChain】核心技术:嵌入模型与向量存储完全指南
服务器·网络·python·langchain
leisoo80979 小时前
100GBA股股票数据怎么存ClickHouseRedisMySQLJSON完整对比
大数据·linux·服务器·开发语言·python
WangYan202210 小时前
基于XGBoost与AI的生态—地学多源数据建模:植被与土地利用识别、土壤碳氮空间预测、生物多样性驱动机制、土壤微生物功能预测、生态退化与风险识别
python·机器学习·xgboost