理论-线性混合操作(图像混合有 ·加·减·乘·除·比重 等方式)
- addWeighted:
1.1 比重公式: g ( x ) = ( 1 − α ) f g(x) = (1-α)f g(x)=(1−α)f0 ( x ) + α f (x) + αf (x)+αf1 ( x ) (x) (x) ,其中 α 的取值范围为0~1之间,f0(x)表示一张图像x位置像素点的颜色数据,f1(x)表示另一张图像x位置像素点的颜色数据
1.2 输出的混合图像计算公式 : dst(I) = saturate_cast(src1(I)*alpha + src2(I)*beta + gamma) 这里计算的是两张图像对应位置像素点的颜色数据
1.3 参数:输入图像1、图像1的比重、输入图像2、图像2的比重、gamma值(如果混合的图像较暗,可以使其变量)、输出混合图像。 两张图像的大小和类型必须一致才可以
示例:由计算公式可以看出dst是由src1、src2个一半合成的
addWeighted(src1, alpha, src2, 1 - alpha, 0.0, dst1);
- add:对应像素点的值相加,如果>255,则取255,如果<0,则取0
示例1:dst(I) = saturate_cast(src1(I) + src2(I)) 将对应位置像素点颜色数据直接相加
addWeighted(src1, alpha, src2, 1 - alpha, 0.0, dst1);
示例2:dst(I) = saturate_cast(src1(I) + Scalar(I)) 将对应位置像素点颜色数据直接加上固定颜色像素值,这里src是三通道的RGB,所以Scalar也是3
addWeighted(src1, alpha, src2, 1 - alpha, 0.0, dst1);
- subtract:
示例:dst(I) = saturate_cast(src1(I) - src2(I)) 将对应位置像素点颜色数据直接相减,同add一样,也可以减Scalar
subtract(src1, src2, dst4, Mat());
- multiply:
示例:dst(I) = saturate_cast(src1(I) * src2(I) * scale) 将对应位置像素点颜色数据相乘再乘scale,同add一样,也可以乘Scalar
multiply(src1, src2, dst5, 1.0);
- divide:
示例:dst(I) = saturate_cast((src1(I)/src2(I)) * scale) 将对应位置像素点颜色数据相除再乘scale,同add一样,也可以除Scalar
divide(src2, src1, dst6, 2.0);
代码
#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
using namespace std;
using namespace cv;
int main(int argv,char** argc){
Mat src1,src2,dst;
src1=imread("E:/Experiment/OpenCV/Pictures/WindowsLogo.jpg");
src2=imread("E:/Experiment/OpenCV/Pictures/LinuxLogo.jpg");
if(!src1.data || !src2.data){
cout<<"图片读取不到"<<endl;
return -1;
}
imshow("Windows Logo",src1);
imshow("Linux Logo",src2);
if(src1.size()==src2.size() && src1.type()==src2.type()){
Mat dst1, dst2, dst3, dst4, dst5, dst6;
double alpha = 0.5;
//理论-线性混合操作: g(x) = (1-α)*f0(x) + α*f1(x) 其中α的取值范围为0~1之间,f0(x)表示一张图像x位置像素点的颜色数据,f1(x)表示另一张
//输出的混合图像计算公式 : dst(I) = saturate_cast(src1(I)*alpha + src2(I)*beta + gamma) 这里计算的是两张图像对应位置像素点的颜色数据
//参数:输入图像1、图像1的比重、输入图像2、图像2的比重、gamma值(如果混合的图像较暗,可以使其变量)、输出混合图像。 两张图像的大小和类型必须一致才可以
addWeighted(src1, alpha, src2, 1 - alpha, 0.0, dst1);//由计算公式可以看出dst是由src1、src2个一半合成的
add(src1, src2, dst2, Mat());// dst(I) = saturate_cast(src1(I) + src2(I)) 将对应位置像素点颜色数据直接相加
add(src1, Scalar(0, 0, 55), dst3);// dst(I) = saturate_cast(src1(I) + Scalar(I)) 将对应位置像素点颜色数据直接加上固定颜色像素值,这里src是三通道的RGB,所以Scalar也是3
subtract(src1, src2, dst4, Mat());// dst(I) = saturate_cast(src1(I) - src2(I)) 将对应位置像素点颜色数据直接相减,同add一样,也可以减Scalar
multiply(src1, src2, dst5, 1.0);// dst(I) = saturate_cast(src1(I) * src2(I) * scale) 将对应位置像素点颜色数据相乘再乘scale,同add一样,也可以乘Scalar
divide(src2, src1, dst6, 2.0);// dst(I) = saturate_cast((src1(I)/src2(I)) * scale) 将对应位置像素点颜色数据相除再乘scale,同add一样,也可以除Scalar
imshow("addWeighted", dst1);
imshow("add_src2", dst2);
imshow("add_scalar", dst3);
imshow("subtract", dst4);
imshow("multiply", dst5);
imshow("divide", dst6);
}else{
cout<<"两张图片大小不一致"<<endl;
return -1;
}
waitKey(0);
return 0;
}
效果图
推荐参考博客:
https://blog.csdn.net/huanghuangjin/article/details/80875691