3.RV1126-OPENCV 图像叠加

一.功能介绍

图像叠加:就是在一张图片上放上自己想要的图片,如LOGO,时间等。**有点像之前提到的OSD原理一样。**例如:下图一张图片,在左上角增加其他图片。

二.OPENCV中图像叠加常用的API

1. copyTo方法进行图像叠加

  • 原理: 在图片1中选取一个 Rect 的兴趣区域(也就是自己想要放哪,放多大),然后把图2放在兴趣区域,最后输出图片1。**注意:这个兴趣区域要和图2一样大小。**例如:图1为原图,图2为杰伦。
  • API: void copyTo( OutputArray m ) const

  • 代码实现:

    #include <opencv2/opencv.hpp>
    #include <opencv2/dnn.hpp>
    #include <opencv2/imgcodecs.hpp>
    #include <opencv2/imgproc.hpp>
    #include

    using namespace cv;
    using namespace std;

    int main()
    {
    //读取图像
    Mat src_pic = imread("frame1.jpg"); //src_pic是原图像数据
    Mat logo_pic = imread("mat_demo.jpg");//logo_pic是LOGO图像的数据

    复制代码
      //创建兴趣区域
      Mat logo_pic_roi = src_pic(Rect(0,0,logo_pic.cols, logo_pic.rows)); //在src_pic上创建一个矩形区域,大小与logo_pic相同
    
      //将logo_pic复制到logo_pic_roi中
      logo_pic.copyTo(logo_pic_roi);
    
      //显示图像
      imwrite("result.jpg", src_pic);
    
      return 0;

    }

2. addWeighted方法对图像数据进行图像叠加

  • 原理: 和copyTo一样,只不过多了一个加权操作**(加权:1 = 图片1的权重+图片2的权重,谁的权重高,谁更清楚,更清晰)**,然后输出新图片。
  • API: addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, intdtype = -1);

第一个参数:src1,第一个输入的图像

第二个参数:alpha,第一个输入图像的权重值,是一个双精度浮点数

第三个参数:src2,第二个输入图像

第四个参数:beta,第二个输入图像的权重,是一个双精度浮点数

第五个参数:gamma 加权和的可选标量,通常是一个双精度浮点数,默认为 0

第六个参数:dst 输出图像,这里是存储加权图像的结果

第七个参数:输出图像的类型,默认是-1,表示的是输入图像和输出图像类型一致

上图是src1权重为0.8,下图是src1权重为0.3效果:

  • addWeighted的两种情况:1.两张图片大小不一样: 就是先在图片1上面创建感兴趣区域,然后融合感兴趣区域和图片2,最后输出图片1;**2.两张图片一样大:**直接融合两张图片,然后生成新图片。

  • 代码实现:

    #include <opencv2/opencv.hpp>
    #include <opencv2/dnn.hpp>
    #include <opencv2/imgcodecs.hpp>
    #include <opencv2/imgproc.hpp>
    #include

    using namespace cv;
    using namespace std;

    int main(int argc, char * argv[])
    {

    复制代码
      Mat src1 = imread(argv[1]);  //src1原图像的数据
      Mat src2 = imread(argv[2]); //src2是LOGO图像的数据
    
      //判断src1大小和src2大小是否相同,若不同则和copyTo函数一样操作
      if(src1.size != src2.size)
      {
          //在src1中创建一个矩形区域(兴趣区域)和src2大小相同的图像
          Mat image_roi = src1(Rect(0, 0, src2.cols, src2.rows));
    
          //设置权重
          double alpha = 0.8;
          double beta = 1 - alpha;
          int gamma = 0;
    
          //将src2和src1的矩形区域(兴趣区域)进行融合,并将结果存入image_roi中
          addWeighted(image_roi, alpha, src2, beta, gamma, image_roi);
    
          imwrite("addweighted3.jpg", src1);
      }
      else
      {
          //src1和src2大小相同,直接进行加权操作
          double alpha = 0.3;
          double beta = 1 - alpha;
          int gamma = 0;
    
          Mat dst;
          addWeighted(src1, alpha, src2, beta, gamma,dst);
          imwrite("addweighted2.jpg", dst);
      }
      
      return 0;

    }

相关推荐
百度Geek说9 分钟前
研发Loop的上下文优化与多Agent协作实践
人工智能
七夜zippoe19 分钟前
Nexent 模型配置:4 字段与 9 个槽位
数据库·人工智能·模型·nexent
硅农程序猿24 分钟前
SOC 物理实现: RTL2GDS 系列(二)—Innovus 初始化
人工智能·嵌入式硬件·硬件架构
梦想很大很大32 分钟前
一句“你好”用了 5671 Token:我在 Workrun 中追查 Agent 隐性成本的过程
前端·人工智能·后端
诗句藏于尽头40 分钟前
游戏《完美神话》-使用Ai-agent进行修复已停服游戏到本地成功部署以及GM端网页完整教程
人工智能·学习·游戏
依晨照旧43 分钟前
从 MQ 积压查出 4000 个线程:不是泄漏,是事件总线的设计代价
人工智能
英辰朗迪AI获客1 小时前
英辰朗迪GEO知识库第188期:动态渲染站点在AI搜索里成了隐形人
人工智能
硅谷秋水1 小时前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
MobotStone2 小时前
AI 能不能越用越会用?从“改答案”到“改进自己”,读懂 RSI
人工智能·算法
jay神2 小时前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计