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!