图像上的算术运算 OpenCV-Python v4.7.0

目标

• 学习图像上的几种算术运算，如加法、减法、位运算等。
• 学习这些函数：cv.add(), cv.addWeighted(), 等等。
  图像加法
  你可以用OpenCV函数cv.add()将两幅图像相加，或者简单地用numpy操作res = img1 + img2。两幅图像应该是相同的深度和类型，或者第二幅图像可以只是一个标量值。

注意
OpenCV的加法和Numpy的加法是有区别的。OpenCV加法是一个饱和操作，而Numpy加法是一个模数操作。

例如，考虑下面的例子:

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

当你添加两张图片时，这将更加明显。坚持使用OpenCV函数，因为它们会提供一个更好的结果。

图像混合

这也是图像添加，但对图像给予不同的权重，以便给人以混合或透明的感觉。图像的添加是按照下面的公式进行的:
$$g\left(x\right)=\left(1-\alpha \right)f_0\left(x\right)+\alpha f_1\left(x\right)$$

通过将α从0→1的变化，你可以在一个图像和另一个图像之间进行很酷的过渡。

这里我取了两张图片来混合。第一张图片的权重为0.7，第二张图片的权重为0.3。cv.addWeighted()对图片应用了以下公式:
$$dst=\alpha \cdot img1+\beta \cdot img2+\gamma$$

这里的γ被认为是零。

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()

请看下面的结果:

位操作

这包括顺时针的AND、OR、NOT和XOR操作。它们在提取图像的任何部分（正如我们将在接下来的章节中看到的那样）、定义和处理非矩形ROI等方面将非常有用。下面我们将看到一个如何改变图像中某一区域的例子。

我想把OpenCV的标志放在一张图片上面。如果我添加两张图片，它将改变颜色。如果我把它们混合起来，我就会得到一个透明的效果。但我希望它是不透明的。如果它是一个矩形区域，我可以像我们在上一章做的那样使用ROI。但是OpenCV的标志不是一个矩形的形状。所以你可以用位操作来做，如下所示:

# 加载两张图片
img1 = cv.imread('messi5.jpg')
img2 = cv.imread('opencv-logo-white.png')
# 我想把标志放在左上角，所以我创建了一个ROI
rows,cols,channels = img2.shape
roi = img1[0:rows, 0:cols]
# 现在创建一个logo的蒙版，同时创建其反面蒙版
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中的标志区域涂黑。
img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)
# 从标志图像中只提取标志的区域。
img2_fg = cv.bitwise_and(img2,img2,mask = mask)
# 将标志放在ROI中并修改主图像
dst = cv.add(img1_bg,img2_fg)
img1[0:rows, 0:cols ] = dst
cv.imshow('res',img1)
cv.waitKey(0)
cv.destroyAllWindows()

ROI:Region of Interest,感兴趣区域，详情可参见这位博主的文章：

OpenCV中ROI_opencv的roi_无敌三角猫的博客-CSDN博客
https://blog.csdn.net/fightingforcv/article/details/78330872

请看下面的结果。左图是我们创建的遮罩。右图是最终的结果。为了更好地理解，显示上述代码中的所有中间图像，特别是img1_bg和img2_fg。

其他资源

练习

使用cv.addWeighted函数创建一个文件夹中图片的幻灯片，并在图片之间平滑过渡。