OpenCV-Python学习笔记（四）：图像上的算术运算：图像加法、图像混合

1.图像加法

可以使用函数 cv2.add() 将两幅图像进行加法运算，两幅图像的大小，类型必须一致。
（注意： OpenCV 中的加法与 Numpy 的加法是有所不同的。OpenCV 的加法是一种饱和操作，而 Numpy 的加法是一种模操作。r如下所示。 推荐使用 OpenCV 中的函数 ）

            
              import cv2
import numpy as np

x = np.uint8([250])
y = np.uint8([10])

print(cv2.add(x,y)) # 250+10 = 260 => 255
[[255]]

print(x+y) # 250+10 = 260 % 256 = 4
[4]
            
          

 

2.图像混合

图像混合其实也是加法，但是不同的是两幅图像的权重不同，这就会给人一种混合或者透明的感觉。图像混合的计算公式如下：
 ，α取值在0~1之间。

函数 cv2.addWeighted() 可以按上面的公式对图片进行混合操作：

            
              import cv2
import numpy as np

img1 = cv2.imread('ml.png')
img2 = cv2.imread('opencv_logo.jpg')
dst = cv2.addWeighted(img1, 0.7, img2, 0.3, 0)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindow()
            
          

上面代码示例中α取0.3， γ取0，效果如下：

 

3.按位运算

这里包括的按位操作有： AND， OR， NOT， XOR 等。对应函数分别为：

cv2.bitwise_and() 、 cv2.bitwise_or() 、 cv2.bitwise_not()  和  cv2.bitwise_xor()

当我们提取图像的一部分，选择非矩形 ROI 时这些操作会很有用。下面的例子就是教给我们如何改变一幅图的特定区域：把 OpenCV 的标志放到另一幅图像上。如果使用加法，颜色会改变，如果使用混合，会得到透明效果，但是我不想要透明。如果他是矩形我可以像上一章那样使用 ROI。但是他不是矩形。但是我们可以通过下面的按位运算实现：

            
              import cv2
import numpy as np

# 加载图像
img1 = cv2.imread('roi.jpg')
img2 = cv2.imread('opencv_logo.png')

# I want to put logo on top-left corner, So I create a ROI
rows,cols,channels = img2.shape
roi = img1[0:rows, 0:cols ]

# Now create a mask of logo and create its inverse mask also
img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)
ret, mask = cv2.threshold(img2gray, 175, 255, cv2.THRESH_BINARY)
mask_inv = cv2.bitwise_not(mask)

# Now black-out the area of logo in ROI
# 取 roi 中与 mask 中不为零的值对应的像素的值，其他值为 0
# 注意这里必须有 mask=mask 或者 mask=mask_inv, 其中的 mask= 不能忽略
img1_bg = cv2.bitwise_and(roi,roi,mask = mask)

# 取 roi 中与 mask_inv 中不为零的值对应的像素的值，其他值为 0。
# Take only region of logo from logo image.
img2_fg = cv2.bitwise_and(img2,img2,mask = mask_inv)

# Put logo in ROI and modify the main image
dst = cv2.add(img1_bg,img2_fg)
img1[0:rows, 0:cols ] = dst

cv2.imshow('res',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
            
          

结果如下。左面的图像是我们创建的掩码。右边的是最终结果。为了帮助理解，上面程序的中间结果也显示了出来，特别是 img1_bg 和 img2_fg。