1、图像加法
您可以通过OpenCV函数 cv.add() 或仅通过 numpy 操作 res = img1 + img2 添加两个图像。两个图像应具有相同的深度和类型，或者第二个图像可以只是一个标量值。
注意: OpenCV加法和Numpy加法之间有区别。OpenCV加法是饱和运算，而Numpy加法是模运算。
例如，考虑以下示例：
>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y ) # 250+10 = 260 % 256 = 4
[4]2、图像融合
这也是图像加法，但是对图像赋予不同的权重，以使其具有融合或透明的感觉。根据以下等式添加图像：
G(x) = (1−α)f0(x)+αf1(x)G(x) = (1−α)f0(x)+αf1(x)
通过从 αα 从 0→10→1 更改，您可以在一个图像到另一个图像之间执行很酷的过渡。
在这里有两个图像，将它们融合在一起。第一幅图像的权重为0.7，第二幅图像的权重为0.3。**cv.addWeighted() **在图像上应用以下公式：
dst = α⋅img1+β⋅img2+γdst = α⋅img1+β⋅img2+γ
在这里，γ 被视为0。
import cv2 as cv
img1 = cv.imread('img1.png')
img2 = cv.imread('opencv_logo.png')
dst = cv.addWeighted(img1,0.7,img2,0.3,0)
cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()检查以下结果：
3、按位运算
这包括按位 AND、 OR、NOT 和 XOR 操作。下面我们将看到一个例子，如何改变一个图像的特定区域。 我想在图像上方放置OpenCV徽标。如果添加两个图像，它将改变颜色。如果混合它，我将获得透明效果。但我希望它不透明。因此，您可以按如下所示进行按位操作：
python
# 导入OpenCV库，并给它一个简短的别名cv
import cv2 as cv
# 使用cv.imread方法加载两张图片，分别为'4.png'和'opencv_logo.png'
# 将加载的图片分别存储在变量img1和img2中
img1 = cv.imread('4.png')
img2 = cv.imread('opencv_logo.png')
# 获取logo图片（img2）的尺寸信息，即行数、列数和通道数
# 将这些信息分别存储在变量rows, cols, channels中
rows,cols,channels = img2.shape
# 创建一个ROI（感兴趣区域），大小为logo图片的尺寸，位置为img1的左上角
# 这里roi变量实际上是img1的左上角区域的一个视图，没有实际复制数据
roi = img1[0:rows, 0:cols]
# 将logo图片（img2）转换为灰度图像
img2gray = cv.cvtColor(img2,cv.COLOR_BGR2GRAY)
# 使用cv.threshold方法对灰度图像进行二值化处理
# 设定阈值为10，当像素值大于或等于10时，设为255，否则为0
# 使用cv.THRESH_BINARY作为阈值类型
# 返回值ret为使用的实际阈值（在此处可能为10），mask为二值化后的掩码图像
ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
# 对掩码图像进行位运算的"非"操作，得到其相反掩码
# 原本为白色的logo区域在mask_inv中变为黑色，原本为黑色的背景在mask_inv中变为白色
mask_inv = cv.bitwise_not(mask)
# 使用位运算的"与"操作，将ROI中logo的区域涂黑
# 因为mask_inv中logo区域是黑色，所以该操作实际上保留了ROI中的原背景
img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)
# 使用位运算的"与"操作，仅从logo图像中提取logo区域
# 因为mask中logo区域是白色，所以该操作提取了logo的实际内容
img2_fg = cv.bitwise_and(img2,img2,mask = mask)
# 将提取的logo内容添加到之前处理过的ROI背景上
# 使用cv.add方法将两者合并
dst = cv.add(img1_bg,img2_fg)
# 将合并后的图像放回原img1的对应位置，即左上角
img1[0:rows, 0:cols] = dst
# 显示处理后的图像
cv.imshow('res',img1)
# 等待用户按键，参数0表示无限等待
cv.waitKey(0)
# 销毁所有OpenCV窗口
cv.destroyAllWindows()检查以下结果：
