图像上的算术运算（opencv-python学习(2)）

图像加法

• 通过OpenCV函数 cv.add()
• 通过numpy操作 res = img1 + img2

OpenCV加法是饱和运算，而Numpy加法是模运算

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

OpenCV功能将提供更好的结果。因此，始终最好坚持使用OpenCV功能。

图像融合

使用cv.addWeighted()函数为融合图像加权（得到透明度效果）

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

src1：第一张输入图像，可以是单通道或多通道的图像。
alpha：src1的权重系数。
src2：第二张输入图像，与src1具有相同的尺寸和通道数。
beta：src2的权重系数。
gamma：加到最后结果上的标量值。

下面是使用案例：

img1 = cv.imread('ml.png')
img2 = cv.imread('opencv-logo.png')
dst = cv.addWeighted(img1,0.7,img2,0.3,0)
cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()

按位运算

包括按位 AND 、 OR 、 NOT 和 XOR 操作

cv.bitwise_not函数将输入图像的每个像素的所有位取反，即将0变为1，将1变为0。这可以用来生成图像的相反掩码。
cv.bitwise_and函数将输入的两个图像的每个对应像素位置上的值进行按位与操作。这意味着只有在两个图像对应位置的像素值都为非零（非黑色）时，结果图像的对应位置的像素值才会被设置为非零值，否则就会设置为零值。

# 加载两张图片
img1 = cv.imread('messi5.jpg')
img2 = cv.imread('opencv-logo-white.png')
# 我想把logo放在左上角，所以我创建了ROI
rows,cols,channels = img2.shape
roi = img1[0:rows, 0:cols ]
# 现在创建logo的掩码，并同时创建其相反掩码
img2gray = cv.cvtColor(img2,cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
mask_inv = cv.bitwise_not(mask)
# 现在将ROI中logo的区域涂黑
img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)
# 仅从logo图像中提取logo区域
img2_fg = cv.bitwise_and(img2,img2,mask = mask)
# 将logo放入ROI并修改主图像
dst = cv.add(img1_bg,img2_fg)
img1[0:rows, 0:cols ] = dst
cv.imshow('res',img1)
cv.waitKey(0)
cv.destroyAllWindows()

代码逻辑：

1. 获取logo图像的行数、列数和通道数，并利用这些信息创建ROI。
2. 将logo图像转换为灰度图像，然后使用阈值函数cv.threshold()生成logo图像的掩码，其中灰度值大于10的像素设为255，其余设为0。
3. 创建logo图像的反掩码，即将掩码图像的像素值取反。
4. 将ROI中与掩码对应的像素涂黑，通过位与运算cv.bitwise_and()和反掩码mask_inv，得到img1_bg。
5. 从logo图像中提取仅在掩码处非零的像素，通过位与运算cv.bitwise_and()和掩码mask，得到img2_fg。
6. 将img1_bg和img2_fg相加，得到融合后的图像dst。 将dst放回原图img1的ROI位置，完成主图像的修改
7. 最后，使用cv.imshow函数展示修改后的图像，并通过cv.waitKey和cv.destroyAllWindows函数实现图像窗口的交互显示。

cv.THRESH_BINARY是OpenCV中的一个阈值化方法，用于将图像进行二值化处理。

在这个方法中，使用一个固定的阈值对图像进行分割。具体步骤如下：

将图像转换为灰度图像。 对每个像素的灰度值进行比较。 如果像素的灰度值大于阈值，则将该像素设置为最大值（通常为255）。
如果像素的灰度值小于等于阈值，则将该像素设置为0。
这样就将图像分为了两个部分：灰度值大于阈值的区域变为白色（最大值），灰度值小于等于阈值的区域变为黑色（最小值）。因此，经过阈值化后的图像只包含两种颜色，即黑色和白色，形成了一个二值图像。

在这段代码中，我们使用cv.threshold函数并传入cv.THRESH_BINARY参数来进行二值化处理，其中灰度值大于10的像素被设置为255，灰度值小于等于10的像素被设置为0。这样就得到了一个二值化的掩码图像。