opencv 二值化_Python+OpenCV教程基础篇：图像混合

学习图片间的数学运算，图像混合。图片等可到源码处下载。

01

目标

• 图片间的数学运算，如相加、按位运算等

• OpenCV函数：cv2.add(), cv2.addWeighted(), cv2.bitwise_and()

02

教程

首先恭喜你已经完成了入门篇的学习噢，接下来我们学习一些OpenCV的基础内容，加油(ง •_•)ง

一  图片相加

要叠加两张图片，可以用cv2.add()函数，相加两幅图片的形状(高度/宽度/通道数)必须相同。numpy中可以直接用res = img + img1相加，但这两者的结果并不相同：

import cv2import numpy as np x = np.uint8([250])y = np.uint8([10])print(cv2.add(x, y))  # 250+10 = 260 => 255print(x + y)  # 250+10 = 260 % 256 = 4

如果是二值化图片(只有0和255两种值)，两者结果是一样的(用numpy的方式更简便一些)。

二  图像混合

图像混合cv2.addWeighted()也是一种图片相加的操作，只不过两幅图片的权重不一样，γ相当于一个修正值：

dst=α×img1+β×img2+γ

img1 = cv2.imread('lena_small.jpg')img2 = cv2.imread('opencv-logo-white.png')res = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)

经验之谈：α和β都等于1时，就相当于图片相加。

三  按位操作

按位操作包括按位与/或/非/异或操作，有什么用途呢？比如说我们要实现下图的效果：

如果将两幅图片直接相加会改变图片的颜色，如果用图像混合，则会改变图片的透明度，所以我们需要用按位操作。首先来了解一下掩膜(mask)的概念：掩膜是用一副二值化图片对另外一幅图片进行局部的遮挡，看下图就一目了然了：

所以我们的思路就是把原图中要放logo的区域抠出来，再把logo放进去就行了：

img1 = cv2.imread('lena.jpg')img2 = cv2.imread('opencv-logo-white.png')# 把logo放在左上角，所以我们只关心这一块区域rows, cols = img2.shape[:2]roi = img1[:rows, :cols]# 创建掩膜img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY)mask_inv = cv2.bitwise_not(mask)# 保留除logo外的背景img1_bg = cv2.bitwise_and(roi, roi, mask=mask_inv)dst = cv2.add(img1_bg, img2)  # 进行融合img1[:rows, :cols] = dst  # 融合后放在原图上

经验之谈：掩膜的概念在图像混合/叠加的场景下使用较多，可以多多练习噢！

03

小结

• cv2.add()用来叠加两幅图片，cv2.addWeighted()也是叠加两幅图片，但两幅图片的权重不一样。

• cv2.bitwise_and(),cv2.bitwise_not(),cv2.bitwise_or(),

  cv2.bitwise_xor()分别执行按位与/或/非/异或运算。掩膜就是用来对图片进行全局或局部的遮挡。

  文章转载自： EX2TRON'S BLOG

  http://ex2tron.wang/opencv-python-image-blending/

如果你也有想分享的干货，可以登录天池实验室(notebook)，包括赛题的理解、数据分析及可视化、算法模型的分析以及一些核心的思路等内容。

小天会根据你分享内容的数量以及程度，给予丰富的神秘天池大礼以及粮票奖励。分享成功后你也可以通过下方钉钉群?主动联系我们的社区运营同学(钉钉号：yiwen1991)

天池宝贝们有任何问题，可在戳“留言”评论或加入钉钉群留言，小天会认真倾听每一个你的建议！

点击下方图片即可阅读

那么如何了解线性回归的原理和算法呢？

分类算法评估中的“它们”有什么用处？

学好Scikit-Learn，

于是你默默地推了一下酷酷的墨镜【上篇】

学会PyTorch，你就是这条街上最靓的仔~

如果你也有想分享的干货，可以登录天池实验室(notebook)，包括赛题的理解、数据分析及可视化、算法模型的分析以及一些核心的思路等内容。

小天会根据你分享内容的数量以及程度，给予丰富的神秘天池大礼以及粮票奖励。分享成功后你也可以通过下方钉钉群?主动联系我们的社区运营同学(钉钉号： yiwen1991)

?