5-图像加法运算

​ 在对图像进行操作的过程中,经常会遇到要将两张图像叠加或者混合、融合的情况。使用OpenCV提供的加号运算符**(+)cv2.add()**函数实现对图像不同的叠加效果以及使用 **cv2.addWeighted()**函数对两张图像进行加权和操作。

1.使用加号运算符(+)和 add()函数实现图像的叠加

图片fruits.jpg

python 复制代码
import cv2
# 读取图像,0表示灰度图
a = cv2.imread('images/fruits.jpg', 0)
# 复制图像
b = a
# 加法运算:分别使用加号运算符和函数cv2.add()计算两幅灰度图像的像素值之和
result1 = a + b

result2 = cv2.add(a, b)

# 显示图像:显示原始图original,使用加号运算符计算后的图像result1和,使用函数cv2.add()计算后的图像result2
cv2.imshow('original', a)
cv2.imshow('result1', result1)
cv2.imshow('result2', result2)
cv2.waitKey()
cv2.destroyAllWindows()

2.相关知识解读

1.加号运算符(+)

加号运算的原理就是将两个图像的像素值相加,再将结果处以256取余数。

2.add()函数

(1)知识介绍

add 函数运算的原理就是将两个图像的像素值相加并且结果最大值只能是255

(2)语法格式

函数cv2.add()的语法格式为:

result=cv2.add(a,b)

a,b两个参数都是图像时:参与运算的图像大小和类型必须保持一致

a是数值,b是图像时:将超过图像饱和值的数值处理为饱和值(最大值)

a是图像,b是数值时:将超过图像饱和值的数值处理为饱和值(最大值)

3.使用函数 cv2.addWeighted()实现对两幅图像进行加权混合

python 复制代码
import cv2
# 读入图片,将读取的变量储存在变量a和b中
a = cv2.imread('images/rose.jpg')
b = cv2.imread('images/panda.jpg')

# print(a.shape)
# print(b.shape)
# print(a.size)
# print(b.size)
# 使用函数cv2.addWeighted()对两幅图像进行加权混合,被加权的两个图片必须大小、类型相同。图像的运算可以理解为"result=a*0.6+b*0.4+0"。
result = cv2.addWeighted(a, 0.5, b, 0.5, 0)
# 显示图像a,b和加权混合后的图像result
cv2.imshow("a", a)
cv2.imshow("b", b)
cv2.imshow("result", result)
# 销毁全部窗口
cv2.waitKey()
cv2.destroyAllWindows()

4.知识解读

(1)知识介绍

所谓图像加权和,就是在计算两幅图像的像素值之和时,将每幅图像的权重考虑进来。

OpenCV 中提供了函数cv2.addWeighted(),用来实现图像的加权和(混合、融合)。

(2)语法格式

函数cv2.addWeighted()语法格式为:dst = cv2.addWeighted(src1, alpha,src2, beta,gamma)

其中,参数 alpha和beta是src1和src2所对应的系数,它们的和可以等于1,也可以不等于1。

该函数实现的功能是dst = src1alpha+ src2beta + gamma。

其中,参数 alpha和beta是src1和src2所对应的系数,它们的和可以等于1,也可以不等于1。

该函数实现的功能是dst = src1alpha+ src2beta + gamma。

需要注意,式中参数gamma的值可以是0,但是该参数是必选参数,不能省略。可以将上式理解为"结果图像=图像1系数1+图像2系数2+亮度调节"。

相关推荐
TangGeeA18 小时前
Hermes Agent 定期任务管理与执行机制分析 V3
人工智能
AiTop10019 小时前
AI武打视频一键成片:GPT故事版技术 + Seedance2.0 完整教程
人工智能·gpt
shuaiqinke19 小时前
【分享】Edge浏览器|内置扩展仓库|支持油猴|上网无限制
android·前端·人工智能·edge
星座52819 小时前
AI支持下的Python数据分析与可视化、人工智能建模及论文高效撰写
人工智能
dr_yingli19 小时前
MedGemma皮肤肿瘤6分类LLM fineturn流程
人工智能·深度学习
搬砖者(视觉算法工程师)19 小时前
计算机视觉与计算摄影测量学第三讲图像直方图:理论、统计特性与点运算变换
人工智能·算法·计算机视觉
风落无尘19 小时前
AIGC(Stable Diffusion 生态)常用知识与参数速查手册
人工智能·stable diffusion·aigc
星秀日19 小时前
Spring Boot + Sa-Token 实时聊天系统:用户注册流程源码深度剖析
java·人工智能·spring·状态模式
Yingjun Mo19 小时前
3. Meta-Harness:模型基座外壳的端到端优化
人工智能·算法