python中opencv图像混合算术运算的示例分析
这篇文章将为大家详细讲解有关python中opencv图像混合算术运算的示例分析，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
图片相加 cv2.add()
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(看下边代码):
add()两个图片进行加和，大于255的使用255计数.
numpy会对结果取256(相当于255+1)的模：
import numpy as npimport cv2 x = np.uint8([250])y = np.uint8([10]) print(cv2.add(x, y)) # 250+10 = 260 => 255print(x + y) # 250+10 = 260 % (255 + 1) = 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）。
实验图片：
add()后效果
相减、相乘、相除：
subtract(img1,img2) # 相减，可以用于目标检测m
ultiply(img1,img2) # 相乘
divide(img1,img2) # 相除
图像融合、混合addWeighted()
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：
img1 = cv2.imread('lena_small.jpg') img2 = cv2.imread('opencv-logo-white.png') res = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)效果：
α和β都等于1时，就相当于图片相加。
按位运算
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 # 融合后放在原图上掩膜的概念在图像混合/叠加的场景下使用较多。
上边我们使用了
按位与 bitwise_and(roi, roi, mask=mask_inv)
非运算 bitwise_not(mask)
除了按位与、非运算还有：
或运算 bitwise_or(img1,img2)
异或运算 bitwise_xor(img1,img2)
关于"python中opencv图像混合算术运算的示例分析"这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
