上一个教程 : 图像操作
下一个教程 : 更改图像的对比度和亮度
原作者 | Ana Huamán |
---|---|
兼容性 | OpenCV >= 3.0 |
我们将学习如何混合两幅图像!
目标
在本教程中,您将学习
- 什么是线性混合?
- 如何使用 addWeighted() 添加两幅图像
原理
注释
以下解释来自 Richard Szeliski 所著的《Computer Vision: 算法与应用》一书中的内容。
通过前面的教程,我们已经对像素算子有了一些了解。一个有趣的二元(双输入)算子是线性混合算子:
g ( x ) = ( 1 − α ) f 0 ( x ) + α f 1 ( x ) g\left( x \right) =\left( 1-\alpha \right) f_0\left( x \right) +\alpha f_1\left( x \right) g(x)=(1−α)f0(x)+αf1(x)
通过在 0→1 的范围内改变 α,该算子可用于在两幅图像或视频之间进行时空交叉溶解,就像幻灯片和电影制作中看到的那样(很酷吧?)
源代码
- C++
从此处下载源代码。
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
using namespace cv;
// 我们在此不使用 "using namespace std;",以避免 c++17 中的 beta 变量与 std::beta 发生冲突
using std::cin;
using std::cout;
using std::endl;
int main( void )
{
double alpha = 0.5; double beta; double input;
Mat src1, src2, dst;
cout << " Simple Linear Blender " << endl;
cout << "-----------------------" << endl;
cout << "* Enter alpha [0.0-1.0]: ";
cin >> input;
// 如果用户提供的 alpha 值介于 0 和 1 之间,我们将使用该值
if( input >= 0 && input <= 1 )
{ alpha = input; }
src1 = imread( samples::findFile("LinuxLogo.jpg") );
src2 = imread( samples::findFile("WindowsLogo.jpg") );
if( src1.empty() ) { cout << "Error loading src1" << endl; return EXIT_FAILURE; }
if( src2.empty() ) { cout << "Error loading src2" << endl; return EXIT_FAILURE; }
beta = ( 1.0 - alpha );
addWeighted( src1, alpha, src2, beta, 0.0, dst);
imshow( "Linear Blend", dst );
waitKey(0);
return 0;
}
- Java
从此处下载源代码
import org.opencv.core.*;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import java.util.Locale;
import java.util.Scanner;
class AddingImagesRun{
public void run() {
double alpha = 0.5; double beta; double input;
Mat src1, src2, dst = new Mat();
System.out.println(" Simple Linear Blender ");
System.out.println("-----------------------");
System.out.println("* Enter alpha [0.0-1.0]: ");
Scanner scan = new Scanner( System.in ).useLocale(Locale.US);
input = scan.nextDouble();
if( input >= 0.0 && input <= 1.0 )
alpha = input;
src1 = Imgcodecs.imread("../../images/LinuxLogo.jpg");
src2 = Imgcodecs.imread("../../images/WindowsLogo.jpg");
if( src1.empty() == true ){ System.out.println("Error loading src1"); return;}
if( src2.empty() == true ){ System.out.println("Error loading src2"); return;}
beta = ( 1.0 - alpha );
Core.addWeighted( src1, alpha, src2, beta, 0.0, dst);
HighGui.imshow("Linear Blend", dst);
HighGui.waitKey(0);
System.exit(0);
}
}
public class AddingImages {
public static void main(String[] args) {
// Load the native library.
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
new AddingImagesRun().run();
}
}
- Python
从此处下载源代码
from __future__ import print_function
import cv2 as cv
alpha = 0.5
try:
raw_input # Python 2
except NameError:
raw_input = input # Python 3
print(''' Simple Linear Blender
-----------------------
* Enter alpha [0.0-1.0]: ''')
input_alpha = float(raw_input().strip())
if 0 <= alpha <= 1:
alpha = input_alpha
# [load]
src1 = cv.imread(cv.samples.findFile('LinuxLogo.jpg'))
src2 = cv.imread(cv.samples.findFile('WindowsLogo.jpg'))
# [load]
if src1 is None:
print("Error loading src1")
exit(-1)
elif src2 is None:
print("Error loading src2")
exit(-1)
# [blend_images]
beta = (1.0 - alpha)
dst = cv.addWeighted(src1, alpha, src2, beta, 0.0)
# [blend_images]
# [display]
cv.imshow('dst', dst)
cv.waitKey(0)
# [display]
cv.destroyAllWindows()
解释
因为我们要执行
g ( x ) = ( 1 − α ) f 0 ( x ) + α f 1 ( x ) g\left( x \right) =\left( 1-\alpha \right) f_0\left( x \right) +\alpha f_1\left( x \right) g(x)=(1−α)f0(x)+αf1(x)
我们需要两个源图像(f0(x) 和 f1(x))。因此,我们按照通常的方法加载它们:
- C++
src1 = imread( samples::findFile("LinuxLogo.jpg") );
src2 = imread( samples::findFile("WindowsLogo.jpg") );
- Java
src1 = Imgcodecs.imread("../../images/LinuxLogo.jpg");
src2 = Imgcodecs.imread("../../images/WindowsLogo.jpg");
- Python
src1 = cv.imread(cv.samples.findFile('LinuxLogo.jpg'))
src2 = cv.imread(cv.samples.findFile('WindowsLogo.jpg'))
我们使用了以下图片: LinuxLogo.jpg 和 WindowsLogo.jpg
警告
由于我们添加的是 src1 和 src2,因此它们必须具有相同的大小(宽度和高度)和类型。
现在我们需要生成 g(x) 图像。为此,函数 addWeighted() 非常有用:
- C++
beta = ( 1.0 - alpha );
addWeighted( src1, alpha, src2, beta, 0.0, dst);
- Java
beta = ( 1.0 - alpha );
Core.addWeighted( src1, alpha, src2, beta, 0.0, dst);
- Python
beta = (1.0 - alpha)
dst = cv.addWeighted(src1, alpha, src2, beta, 0.0)
上面一行的 Numpy 版本(但 cv 函数快 2 倍左右):
dst = np.uint8(alpha*(img1)+beta*(img2))
因为 addWeighted() 会产生:
d s t = α ⋅ s r c 1 + β ⋅ s r c 2 + γ dst=\alpha ⋅src1+\beta ⋅src2+\gamma dst=α⋅src1+β⋅src2+γ
在本例中,gamma
就是上述代码中的参数 0.0。
创建窗口、显示图像并等待用户结束程序。
- C++
imshow( "Linear Blend", dst );
waitKey(0);
- Java
HighGui.imshow("Linear Blend", dst);
HighGui.waitKey(0);
- Python
cv.imshow('dst', dst)
cv.waitKey(0)