OpenCV学习之cv2.addWeighted函数

OpenCV学习之cv2.addWeighted函数

一、简介

在图像处理和计算机视觉中，图像融合是一种常见的操作。cv2.addWeighted 函数是 OpenCV 提供的用于对两幅图像进行加权融合的函数，通过对图像像素值进行线性加权和偏移，可以实现图像的混合和过渡效果。该函数常用于图像的透明叠加、图像特效等场景。

二、语法

cv2.addWeighted 函数的基本语法如下：

cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) -> dst

三、参数

• src1：第一幅输入图像。
• alpha：第一幅图像的权重。
• src2：第二幅输入图像。
• beta：第二幅图像的权重。
• gamma：加到最终结果上的标量值。
• dst（可选）：输出图像。
• dtype（可选）：输出图像的数据类型。

四、示例

下面通过几个简单的例子来演示 cv2.addWeighted 的用法。

示例 1：基本图像加权融合

import cv2
import numpy as np

# 创建两幅简单的图像
img1 = np.zeros((300, 300, 3), dtype=np.uint8)
img1[:] = (255, 0, 0)  # 蓝色图像

img2 = np.zeros((300, 300, 3), dtype=np.uint8)
img2[:] = (0, 255, 0)  # 绿色图像

# 使用 cv2.addWeighted 进行加权融合
alpha = 0.5
beta = 0.5
gamma = 0
result = cv2.addWeighted(img1, alpha, img2, beta, gamma)

# 显示结果
cv2.imshow('Weighted Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们创建了两幅简单的图像，一幅是蓝色的，另一幅是绿色的。通过 cv2.addWeighted 函数以相同的权重（0.5）对两幅图像进行融合，得到的结果图像是蓝色和绿色的混合图像。

示例 2：不同权重的图像加权融合

import cv2
import numpy as np

# 创建两幅简单的图像
img1 = np.zeros((300, 300, 3), dtype=np.uint8)
img1[:] = (255, 0, 0)  # 蓝色图像

img2 = np.zeros((300, 300, 3), dtype=np.uint8)
img2[:] = (0, 255, 0)  # 绿色图像

# 使用 cv2.addWeighted 进行加权融合
alpha = 0.7
beta = 0.3
gamma = 0
result = cv2.addWeighted(img1, alpha, img2, beta, gamma)

# 显示结果
cv2.imshow('Weighted Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们对蓝色图像和绿色图像使用不同的权重（0.7 和 0.3）进行融合，得到的结果图像中蓝色的比例更高，绿色的比例较低。

示例 3：加上偏移值的图像加权融合

import cv2
import numpy as np

# 创建两幅简单的图像
img1 = np.zeros((300, 300, 3), dtype=np.uint8)
img1[:] = (255, 0, 0)  # 蓝色图像

img2 = np.zeros((300, 300, 3), dtype=np.uint8)
img2[:] = (0, 255, 0)  # 绿色图像

# 使用 cv2.addWeighted 进行加权融合，并加上偏移值
alpha = 0.5
beta = 0.5
gamma = 50  # 偏移值
result = cv2.addWeighted(img1, alpha, img2, beta, gamma)

# 显示结果
cv2.imshow('Weighted Image with Gamma', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们在对两幅图像进行加权融合时，还加上了一个偏移值（50），结果图像的亮度整体提高了。

五、注意事项

1. 输入图像的尺寸和类型匹配：
   • 两个输入图像 src1 和 src2 的尺寸（宽度和高度）必须相同。如果尺寸不同，需要先进行图像的尺寸调整。
   • 输入图像的数据类型必须相同，通常是 uint8 类型（8位无符号整数）。如果数据类型不同，需要先进行数据类型转换。
2. 权重参数的范围：
   • 权重参数 alpha 和 beta 应该是浮点数，且通常在 0 到 1 的范围内。它们的值决定了每幅图像在融合结果中的比例。权重值的总和不一定需要为1，但如果总和大于1，可能会导致结果图像的某些像素值溢出。
3. 偏移值 gamma 的使用：
   • 偏移值 gamma 是一个常数，会被加到融合结果的每一个像素上（相当于偏置），用于调整图像的整体亮度。gamma 可以是正数或负数，根据需要进行调整。
4. 结果图像的数据类型：
   • 输出图像的默认数据类型与输入图像相同。如果需要更改数据类型，可以使用 dtype 参数进行指定。
5. 输入图像的通道数：
   • 输入图像通常为三通道（RGB）图像。如果是单通道（灰度）图像，同样适用，但确保两幅输入图像的通道数相同。