【火同学】OpenCV学习笔记———线性混合操作(addWeighted函数应用)

Opencv——线性混合操作(addWeighted函数应用)

Ps：素材来源：opencv编程，目的是记录自己的学习过程。

一，线性混合操作

1）线性混合操作是一种典型的二元（两个输入）的像素操作，它的理论公式如下：g(x) = (1-a)fa(x) + af3(x)。通过在范围0到1之间改变alpha值来对两幅图像（f0(x)和f1(x)）或两段视频（同样为f0(x)和f1(x)）产生时间上的画面叠化效果。
2）上述操作主要运用Opencv中addWeighted()函数实现。

二，计算数组加权和：addWeighted()

1)这个函数的作用是计算两个数组（图像阵列）的加权和。原型如下：
addWeighted(InputArray src1,double alpha,InputArray src2,double beta，
double gamma,OutputArray dst,int dtype=-1)

• 第一个参数，InputArray类型src1，表示需要加权的第一个数组，常常填入一个Mat；
• 第二个参数，double类型的alpha，表示第一个数组的权重；
• 第三个参数，InputArry类型src2，表示第二个数组，他需要和第一个数组拥有相同的尺寸和通道数；
• 第四个参数，double类型的beta，表示第二个数组的权重值；
• 第五个参数，double类型的gamma，一个加到权重总和的标量值。其含义通过接下来列出的式子自然会理解。
• 第六个参数，OutArry类型的dst，输出的数组，它和输入的两个数组拥有相同尺寸和通道数。
• 第七个参数，int类型dtype，输出列阵的可选深度，有默认值-1.当两个输入数组具有相同的深度时，这个参数设置为-1。

2）数学公式表达：用addWeighted函数计算以下两个数组（src1和src2）的加权和，得到结果输出给第四个参数，也就是addWeight函数的作用的矩阵的表达式：
dst = src[I]*alpha + src[I]*beta + gamma;
I 是多维数组元素的索引值。而且，在遇到多通道数组时，每个通道都需要独立地独立地进行处理。另外需要注意的是，当输入数组的深度CV_32S时，这个函数就不适用了，这时候就会内存溢出或者算出的结果压根不对。

三，示例代码

1）当照片的尺寸相同时

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>

using namespace cv;
using namespace std;

bool LinbearBlending()
{
	//定义一个局部变量
	double alphaValue = 0.3;//第一个图像的权重
	double betaValue;//第二个图像的权重

	Mat srcImage2, srcImage3, dstImage;
	
	//读取图像
	srcImage2 = imread("1.jpg");
	srcImage3 = imread("2.jpg");

	if (!srcImage2.data)
	{
		printf("读取失败!\n");
		return false;
	}
	if (!srcImage3.data)
	{
		printf("读取失败!\n");
		return false;
	}
	//图像混合加权
	betaValue = (1.0 - alphaValue);
	addWeighted(srcImage2, alphaValue, srcImage3, betaValue, 0.0, dstImage);

	//创建显示窗口
	namedWindow("<2>线性混合示例窗口【原图】", 1);
	imshow("<2>线性混合示例窗口【原图】", srcImage2);

	namedWindow("<3>线性混合示例窗口【效果图】", 1);
	imshow("<3>线性混合示例窗口【效果图】", dstImage);

	return true;
}

int main()
{
	LinbearBlending();

	waitKey(0);
	return 0;
}

2）当照片尺寸不同时

#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>

using namespace cv;
using namespace std;

bool LinbearBlending()
{
	//定义一个局部变量
	double alphaValue = 0.3;//第一个图像的权重
	double betaValue;//第二个图像的权重

	Mat srcImage2, srcImage3, dstImage,imageROI,src3;
	
	//读取图像
	srcImage2 = imread("1.jpg");
	srcImage3 = imread("2.jpg");
	src3 = imread("3.jpg");


	if (!srcImage2.data)
	{
		printf("读取失败!\n");
		return false;
	}
	if (!srcImage3.data)
	{
		printf("读取失败!\n");
		return false;
	}
	//图像混合加权
	betaValue = (1.0 - alphaValue);
	addWeighted(srcImage2, alphaValue, srcImage3, betaValue, 0.0, dstImage);
	//创建显示窗口
	namedWindow("<2>线性混合示例窗口【原图】", 1);
	imshow("<2>线性混合示例窗口【原图】", srcImage2);

	namedWindow("<3>线性混合示例窗口【效果图】", 1);
	imshow("<3>线性混合示例窗口【效果图】", dstImage);

	//尺寸不同时叠加显示
	imageROI = dstImage(Rect(20, 20, src3.cols, src3.rows));
	addWeighted(src3, 0.8, imageROI, 0.2, 0, imageROI);

	namedWindow("<3>（图片尺寸不同）线性混合示例窗口【效果图】", 1);
	imshow("<3>（图片尺寸不同）线性混合示例窗口【效果图】", dstImage);


	return true;
}


int main()
{
	LinbearBlending();
	waitKey(0);
	return 0;
}

四，图片素材