我的小程序:
![](https://i-blog.csdnimg.cn/blog_migrate/0a61adec93d6fb14915e30474e46392e.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/6c7f81f8b055d848979da7e9aa29fce7.jpeg)
考虑下面两张图片:
怎样得到下面的效果:
这里使用按位运算的方法。
第一步,截取操作区域:
img1 = cv2.imread('../material/images/23126-92.jpg')
img2 = cv2.imread('../material/images/opencv.jpg')
rows,cols,channels = img2.shape
roi = img1[0:rows,0:cols]
plt.imshow(roi[...,::-1])
第二步,使用cv2.cvtColor()函数将图片转成灰度图:
#颜色空间转换,这里是BGR转到灰度空间,常用的还有BGR到HSV空间:cv2.COLOR_BGR2HSV
img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)
plt.imshow(img2gray,cmap='gray')
第三步,使用二值化函数cv2.threshold()将灰度图二值化:
#THRESH_BINARY=0,THRESH_BINARY_INV,THRESH_TRUNC,THRESH_TOZERO,THRESH_TOZERO_INV,THRESH_OTSU,THRESH_TRIANGLE,THRESH_MASK
#二值化函数threshold(src, thresh, maxval, type[, dst]),thresh:阈值,maxval:最大值,type:阈值类型
#ret:暂时就认为是设定的thresh阈值,mask:二值化的图像
ret,mask = cv2.threshold(img2gray,175,255,cv2.THRESH_BINARY)
plt.imshow(mask,cmap='gray')
第四部,使用“非”操作函数cv2.bitwise_not()将上图颠倒黑白:
mask_inv = cv2.bitwise_not(mask)
plt.imshow(mask_inv,cmap='gray')
第五步,使用“与”操作函数cv2.bitwise_and()对图像掩膜(遮挡):
对操作区域掩膜:
img1_bg = cv2.bitwise_and(roi,roi,mask=mask)
plt.imshow(img1_bg[...,::-1])
对img2掩膜:
img2_fg = cv2.bitwise_and(img2,img2,mask = mask_inv)
plt.imshow(img2_fg[...,::-1])
注意两次掩膜使用的mask不同。cv2.bitwise_and()函数前两个参数是“与”操作的操作对象,mask参数指定使用的模板。
第六步,使用cv2.add()函数将上面两图混合(相加):
dst = cv2.add(img1_bg,img2_fg)
plt.imshow(dst[...,::-1])
最后一步,覆盖操作区域,就得到了最后结果:
img1[0:rows,0:cols] = dst
plt.imshow(img1[...,::-1])
![](https://i-blog.csdnimg.cn/blog_migrate/0a61adec93d6fb14915e30474e46392e.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/6c7f81f8b055d848979da7e9aa29fce7.jpeg)
参考资料:《OpenCV-Python 中文教程》段力辉 译
参考博文: