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
贾全13 小时前
MoE 的“大脑”与“指挥官”:深入理解门控、路由与负载均衡
人工智能·负载均衡·大语言模型·路由·moe·多模态ai·门控
熊文豪13 小时前
蓝耘MaaS驱动PandaWiki:零基础搭建AI智能知识库完整指南
人工智能·pandawiki·蓝耘maas
whaosoft-14314 小时前
51c视觉~合集2~目标跟踪
人工智能
eqwaak014 小时前
Python Pillow库详解:图像处理的瑞士军刀
开发语言·图像处理·python·语言模型·pillow
cyyt14 小时前
深度学习周报(9.15~9.21)
人工智能·深度学习·量子计算
Deepoch14 小时前
Deepoc具身智能模型:为传统机器人注入“灵魂”,重塑建筑施工现场安全新范式
人工智能·科技·机器人·人机交互·具身智能
风已经起了15 小时前
FPGA学习笔记——图像处理之对比度调节(直方图均衡化)
图像处理·笔记·学习·fpga开发·fpga
吃饭睡觉发paper15 小时前
High precision single-photon object detection via deep neural networks,OE2024
人工智能·目标检测·计算机视觉
醉方休15 小时前
TensorFlow.js高级功能
javascript·人工智能·tensorflow
云宏信息15 小时前
赛迪顾问《2025中国虚拟化市场研究报告》解读丨虚拟化市场迈向“多元算力架构”,国产化与AI驱动成关键变量
网络·人工智能·ai·容器·性能优化·架构·云计算