学习目标:
1、在图像上学习几种算术运算,如加法,减法,按位运算等;
2、学习函数:cv2.add(),cv2.addWeighted()。
可以通过OpenCV函数cv2.add()添加两个图像,或者简单地通过numpy操作res = img1 + img2添加两个图像。 两张图片应该具有相同的深度和类型,或者第二张图片可以是标量值。
注意:
1、图像添加
#coding:utf8
import cv2
import numpy as np
from matplotlib import pyplot as plt
x = np.uint8([250])
y = np.uint8([10])
print (cv2.add(x, y))
print (x + y)
输出:
[[255]]
[4]
2、图像混合:这也是图像添加,但是对图像赋予不同的权重,以便给出混合或透明的感觉。 图像按照以下公式添加:
权重的取值范围是:0-1。
实现代码(:设置权重:α=0.7;β=0.3;γ=0):
#coding:utf8
import cv2
import numpy as np
from matplotlib import pyplot as plt
img1 = cv2.imread('F:/lena.jpg')
img2 = cv2.imread('F:/picture.jpg')
width, height = img2.shape[:2]
size = (height, width)
img1 = cv2.resize(img1, size, interpolation=cv2.INTER_AREA)
dst = cv2.addWeighted(img1, 0.7, img2, 0.3, 0)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
注意:两张图的大小尺寸应该是一致的,由于实验代码中使用的图像大小不一致,所以程序的开头将尺寸较大的图像缩小为与小尺寸图像大小一致的图像。
输入图像:
输出图像:
3、按位操作
这包括按位AND,OR,NOT和XOR操作。 在提取图像的任何部分时(如我们将在未来章节中看到的),定义和使用非矩形ROI等,它们将非常有用。下面我们将看到一个关于如何更改图像的特定区域的示例。
#coding:utf8
import cv2
import numpy as np
from matplotlib import pyplot as plt
#
img1 = cv2.imread('F:/lena.jpg')
img2 = cv2.imread('F:/logo.jpg')
# 将logo放在Lena图像的左上角
rows, cols, channels = img2.shape
roi = img1[0:rows, 0:cols]
img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY)
mask_inv = cv2.bitwise_not(mask)
img1_bg = cv2.bitwise_and(roi, roi, mask=mask_inv)
img2_fg = cv2.bitwise_and(img2, img2, mask=mask)
dst = cv2.add(img1_bg, img2_fg)
img1[0:rows, 0:cols] = dst
cv2.imshow('res', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出: