OpenCV CUDA模块图像处理------颜色空间处理之GPU 上对两张带有 Alpha 通道的图像进行合成操作函数alphaComp()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

该函数用于在 GPU 上对两张带有 Alpha 通道的图像进行合成操作。支持多种常见的 Alpha 合成模式(Porter-Duff 合成规则),例如图像叠加、裁剪、异或等。

适用于图像叠加、视频抠像、UI 合成等场景,常用于游戏开发、图形渲染、视频特效等领域。

函数原型

cpp 复制代码
void cv::cuda::alphaComp 	
(
 	InputArray  	img1,
	InputArray  	img2,
	OutputArray  	dst,
	int  	alpha_op,
	Stream &  	stream = Stream::Null() 
) 	

参数

参数名 描述
img1 第一张图像。支持类型:CV_8UC4、CV_16UC4、CV_32SC4 和 CV_32FC4。
img2 第二张图像。必须与 img1 具有相同的大小和相同的数据类型。
dst 目标图像(输出结果)。
alpha_op 指定 Alpha 混合操作的标志符,取值包括: ALPHA_OVER ALPHA_IN ALPHA_OUT ALPHA_ATOP ALPHA_XOR ALPHA_PLUS ALPHA_OVER_PREMUL ALPHA_IN_PREMUL ALPHA_OUT_PREMUL ALPHA_ATOP_PREMUL ALPHA_XOR_PREMUL ALPHA_PLUS_PREMUL ALPHA_PREMUL
stream 用于异步执行的 CUDA 流对象。

代码示例

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

int main()
{
    // 加载两张 PNG 图像(带透明通道)
    cv::Mat img1 = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/stich1.png", cv::IMREAD_UNCHANGED);
    cv::Mat img2 = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/stich2.png", cv::IMREAD_UNCHANGED);

    if (img1.empty() || img2.empty()) {
        std::cerr << "无法加载图像!" << std::endl;
        return -1;
    }

    // 打印原始图像信息用于调试
    std::cout << "img1 size: " << img1.size() << ", type: " << img1.type() << std::endl;
    std::cout << "img2 size: " << img2.size() << ", type: " << img2.type() << std::endl;

    // 如果不是 BGRA 格式,则转换为 BGRA(四通道)
    cv::Mat img_bgra1 = (img1.channels() == 4) ? img1 : cv::Mat();
    cv::Mat img_bgra2 = (img2.channels() == 4) ? img2 : cv::Mat();

    if (!img_bgra1.data) cv::cvtColor(img1, img_bgra1, cv::COLOR_BGR2BGRA);
    if (!img_bgra2.data) cv::cvtColor(img2, img_bgra2, cv::COLOR_BGR2BGRA);

    // 确保图像尺寸一致
    if (img_bgra1.size() != img_bgra2.size()) {
        std::cerr << "图像尺寸不一致,正在调整 img2 到 img1 尺寸..." << std::endl;
        cv::resize(img_bgra2, img_bgra2, img_bgra1.size());
    }

    // 确保图像类型一致
    if (img_bgra1.type() != img_bgra2.type()) {
        std::cerr << "图像类型不一致,正在统一转换为 CV_8UC4..." << std::endl;
        img_bgra1.convertTo(img_bgra1, CV_8UC4);
        img_bgra2.convertTo(img_bgra2, CV_8UC4);
    }

    // 上传到 GPU
    cv::cuda::GpuMat d_img1, d_img2, d_dst;
    d_img1.upload(img_bgra1);
    d_img2.upload(img_bgra2);

    // 执行 Alpha 合成
    cv::cuda::alphaComp(d_img1, d_img2, d_dst, cv::cuda::ALPHA_OVER);

    // 下载结果并显示
    cv::Mat result;
    d_dst.download(result);

    cv::imshow("合成1",img1);
    cv::imshow("合成2",img2);
    cv::imshow("合成结果", result);
    cv::waitKey(0);

    return 0;
}

运行结果


相关推荐
肖书婷13 分钟前
人工智能-机器学习day4
人工智能·机器学习
Sui_Network40 分钟前
CUDIS 健康协议在 Sui 上打造更健康的未来
人工智能·科技·web3·去中心化·区块链
飞哥数智坊44 分钟前
Claude 4.5 升级解析:很强,但请别跳过“Imagine”
人工智能·ai编程·claude
星期天要睡觉1 小时前
计算机视觉(opencv)——基于 dlib 关键点定位
人工智能·opencv·计算机视觉
程序边界1 小时前
AI时代如何高效学习Python:从零基础到项目实战de封神之路(2025升级版)
人工智能·python·学习
研梦非凡2 小时前
探索3D空间的视觉基础模型系列
人工智能·深度学习·神经网络·机器学习·计算机视觉·3d
gooxi_hui2 小时前
国鑫发布新一代「海擎」服务器 全面兼容国内外主流OAM GPU
人工智能
Gerlat小智2 小时前
【手撕机器学习 04】手撕线性回归:从“蒙眼下山”彻底理解梯度下降
人工智能·机器学习·线性回归
学术小白人2 小时前
IEEE出版 | 2026年计算智能与机器学习国际学术会议(CIML 2026)
人工智能·机器学习
jie*3 小时前
小杰深度学习(four)——神经网络可解释性、欠拟合、过拟合
人工智能·python·深度学习·神经网络·scikit-learn·matplotlib·sklearn