OpenCV-图像上的算术运算-python

一、图像相加

cv.add(src1, src2, dst, mask, dtype) 

src1：第一个输入图像或矩阵。如果是与标量相加，则此参数代表图像矩阵。

src2：第二个输入图像或矩阵，或者是一个标量值。如果是与另一个图像相加，则此参数代表另一个图像矩阵；如果是与标量相加，则此参数代表标量值。

dst：（可选）输出结果保存的目标矩阵。如果提供了 dst，则结果将保存在这个矩阵中。如果没有提供（默认为 None），则会创建一个新的矩阵来存储结果。dst 的大小和通道数应与输入图像相同。

mask：（可选）图像掩膜，用于指定要更改的输出图像数组的元素。如果 mask 非零，则对应位置的输出图像像素会被设置成 src1 和 src2 相加的结果；如果 mask 为零，则对应位置的输出图像像素的所有通道分量都设置为0。

dtype：（可选）输出结果的数据类型。如果没有提供（默认为 None），则数据类型将从输入图像推断得出。如果提供了 dtype，则可以显式指定输出结果的数据类型。 

示例代码

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

p1 = cv.imread('p1.png')[650:790, 580:1980]
p2 = cv.imread('p2.png')[650:790, 580:1980]
img1 = cv.add(p1, p2)
img2 = p1 + p2
fig, axes = plt.subplots(nrows=4, ncols=1, figsize=(32, 8), dpi=100)
axes[0].imshow(p1[:, :, ::-1])
axes[0].set_title('p1')
axes[1].imshow(p2[:, :, ::-1])
axes[1].set_title('p2')
axes[2].imshow(img1[:, :, ::-1])
axes[2].set_title('cv.add()')
axes[3].imshow(img2[:, :, ::-1])
axes[3].set_title('numpy相加')

输出

 

OpenCV 加法和 Numpy 加法是有区别的。OpenCV 加法是饱和运算，而 Numpy 加法是模运算。 

通过官方示例可以很好的理解

>>> x = np.uint8（[250]）
>>> y = np.uint8（[10]）
>>> 打印（ cv.add（x，y） ） # 250+10 = 260 => 255
[[255]]
>>> 打印（ x+y ） # 250+10 = 260 % 256 = 4
[4]

二、图像混合

 其实和上面的相加差不多，只不过是进行加权相加，公式如下

现在介绍一下要学习的函数及其参数

cv.addWeighted(src1, alpha, src2, beta, gamma, dst, dtype)

src1：第一个输入图像，即要进行加权融合的第一个图像矩阵。

alpha：第一个输入图像（src1）的权重，控制其对最终结果图像的影响程度。

src2：第二个输入图像，即要进行加权融合的第二个图像矩阵。

beta：第二个输入图像（src2）的权重，控制其对最终结果图像的影响程度。

gamma：添加到最终结果中的标量值，可以理解为对整个图像的亮度调整。

dst：（可选）输出图像，即加权融合后的图像保存的位置。如果未指定（默认为None），则会创建一个与输入图像相同大小和类型的新图像。

dtype：（可选）输出数组的数据类型。如果未指定（默认为None），则会根据输入图像自动推断数据类型。

 简单修改上面的代码

p1 = cv.imread('p1.png')[650:790, 580:1980]
p2 = cv.imread('p2.png')[650:790, 580:1980]
img1 = cv.addWeighted(p1, 0.7, p2, 0.3, 0)
img2 = p1 + p2
fig, axes = plt.subplots(nrows=4, ncols=1, figsize=(32, 8), dpi=100)
axes[0].imshow(p1[:, :, ::-1])
axes[0].set_title('p1')
axes[1].imshow(p2[:, :, ::-1])
axes[1].set_title('p2')
axes[2].imshow(img1[:, :, ::-1])
axes[2].set_title('cv.add()')
axes[3].imshow(img2[:, :, ::-1])
axes[3].set_title('numpy相加')

输出

 

 ## 学习笔记，欢迎各位大佬指错！