OpenCV CUDA模块图像处理------图像融合函数blendLinear()

  • 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

该函数执行 线性融合(加权平均) 两个图像 img1 和 img2,使用对应的权重图 weights1 和 weights2。

融合公式如下:
r e s u l t ( x , y ) = i m g 1 ( x , y ) ⋅ w e i g h t s 1 ( x , y ) + i m g 2 ( x , y ) ⋅ w e i g h t s 2 ( x , y ) result(x,y)=img1(x,y)⋅weights1(x,y)+img2(x,y)⋅weights2(x,y) result(x,y)=img1(x,y)⋅weights1(x,y)+img2(x,y)⋅weights2(x,y)

每个像素点根据各自的权重进行线性组合。

函数原型

cpp 复制代码
void cv::cuda::blendLinear 	
(
 	InputArray  	img1,
	InputArray  	img2,
	InputArray  	weights1,
	InputArray  	weights2,
	OutputArray  	result,
	Stream &  	stream = Stream::Null() 
) 		

参数

参数名 说明
img1 输入图像 1 第一幅输入图像
img2 输入图像 2 第二幅输入图像,必须与 img1 尺寸和类型相同
weights1 权重图 1 与 img1 对应的权重图,单通道浮点型(CV_32F)
weights2 权重图 2 与 img2 对应的权重图,单通道浮点型(CV_32F)
result 输出图像 输出结果,与输入图像大小和类型一致
stream 流对象 用于异步执行的 CUDA 流。默认为 Stream::Null(),即同步执行

代码示例

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

int main() {
    // Step 1: 加载两幅图像
    cv::Mat img1 = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/stich1.png");
    cv::Mat img2 = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/stich2.png");

    if (img1.empty() || img2.empty()) {
        std::cerr << "Failed to load images!" << std::endl;
        return -1;
    }

    // Step 2: 确保图像尺寸一致
    cv::resize(img2, img2, img1.size());

    // Step 3: 创建权重图(例如:渐变效果)
    cv::Mat weight1(img1.size(), CV_32F, 0.5f);  // 全图权重 0.5
    cv::Mat weight2 = 1.0f - weight1;             // 反向权重图

    // Step 4: 上传数据到 GPU
    cv::cuda::GpuMat d_img1, d_img2, d_weight1, d_weight2, d_result;
    d_img1.upload(img1);
    d_img2.upload(img2);
    d_weight1.upload(weight1);
    d_weight2.upload(weight2);
    d_result.create(img1.size(), img1.type());

    // Step 5: 执行线性融合
    cv::cuda::blendLinear(d_img1, d_img2, d_weight1, d_weight2, d_result);

    // Step 6: 下载并显示结果
    cv::Mat result;
    d_result.download(result);

    cv::imshow("Original Image 1", img1);
    cv::imshow("Original Image 2", img2);
    cv::imshow("Blended Image", result);
    cv::waitKey(0);

    return 0;
}

运行结果

相关推荐
verse_armour7 小时前
【深度学习】Grand Challenge、zenodo、huggingface数据集下载
人工智能·深度学习·huggingface·zenodo·数据集下载
明洞日记7 小时前
【VTK手册026】高性能网格简化——vtkQuadricClustering 深度解析
c++·图像处理·vtk·图形渲染
古城小栈8 小时前
工业互联网:Go + 边缘计算实现设备监控实战
人工智能·golang·边缘计算
极客BIM工作室8 小时前
大模型参数高效微调:5种主流方法的技术解析
人工智能·机器学习
海边夕阳20068 小时前
【每天一个AI小知识】:什么是扩散模型?
人工智能·经验分享·深度学习·机器学习·扩散模型
这张生成的图像能检测吗8 小时前
(论文速读)卷积层谱范数的紧凑高效上界
人工智能·深度学习·计算机视觉·卷积层谱范数
ken22328 小时前
[转] AI 官方:ComfyUI 的软件、硬件要求
人工智能
阿杰学AI8 小时前
AI核心知识55——大语言模型之PE工程师(简洁且通俗易懂版)
人工智能·ai·语言模型·prompt·prompt engineer·提示词工程师·pe工程师
serve the people8 小时前
tensorflow 零基础吃透:创建 tf.sparse.SparseTensor 的核心方法
人工智能·python·tensorflow
长空任鸟飞_阿康8 小时前
多模态 Agent 技术全景解析 — 从模型能力、Agent 架构到工程化与商业落地
人工智能·架构