(Python)从零开始,简单快速学机器仿人视觉Opencv—第七节:图像上的算术运算

155
0
2020年12月20日 09时28分

准备工作

使用工具Python3.5
使用包cv2,numpy
涉及函数cv2.add() ,cv2.addWeighted()

任务1 图像加法

使用cv2.add()将两幅图像进行加法运算,也可以直接使用numpy,res=img1+img2.两幅图像的大小,类型必须一致,或者第二个图像可以是一个简单的标量值。
openCV的加法是一种饱和操作(大于255就按255算),而numpy的加法是一种模操作(大于255了就从0重新开始)。

 

x=np.uint8([250])
y=np.uint8([10])
print(cv2.add(x,y))#250+10=260>=255
#因为他大于255了,所以结果为[[255]]
print (x+y)#250+10=260%255=4
#根据模运算,结果为[4]

 

OpenCV的结果会更好,所以尽量使用OpenCV中的函数

任务2 图像混合

这也是加法,不同的是两幅图像的权重不同,这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:

 

g(x) = (1−α)f0 (x)+αf1 (x)

 

通过修改α的值(0–>1),可以实现很酷的混合。
例:将两幅图像混合,第一幅权重为0.7.第二幅权重为0.3。可以用如下函数:cv2.addWeighed()将下面的公式对图片进行混合。

 

dst = α·img1 + β·img2+γ

 

这里γ的取值为0.

 

import cv2
import numpy as np
img1=cv2.imread('45.jpg')
img2=cv2.imread('messigray.png')

dst = cv2.addWeighted(img1,0.7,img2,0.3,0)

cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

以下是运行结果:

 

1

 

2

 

3

 

总结

(本系列每周不定期更新,谢谢大家支持!)

发表评论

后才能评论