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
limuyang21 小时前
我在 2核2G 云主机上跑 OpenViking:一次关于云主机、模型选型与长期成本的真实复盘
人工智能·开源·ai编程
Shulex3 小时前
跨境电商 AI Agent 核心架构解析:从只读问答到自主执行的工程落地
人工智能·架构·智能客服·跨境电商
Java后端的Ai之路3 小时前
CAS并发控制-从CPU指令到企业级乐观锁
vue.js·人工智能·python·cas·乐观锁
情 九3 小时前
MCP 实战 06:把 HTTP 接口接成工具,让 AI 帮你查数据
人工智能·网络协议·http·mcp
码农小旋风3 小时前
Ray分布式计算引擎介绍
人工智能·架构
火山引擎和TA的超级拍档们4 小时前
产品情报局 08 | AI 内容助手:全网热点驱动,一站式打通内容生产全链路
人工智能
Binovate缤江数智4 小时前
水泵远程开关之后,还需要管什么?数智开关在无人值守泵站中的监测、保护与能耗分析
人工智能·物联网
素男4 小时前
两个月不是六十天
人工智能·agent·self-becoming·ai长期记忆·ai自我介绍
byte轻骑兵4 小时前
【LMP】规范精讲[10]: 语音专线开线记——SCO 固定占座与 eSCO 限时重传
人工智能·人机交互·lmp·蓝牙链路管理·蓝牙外设