(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

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：  
 
 
 

总结

（本系列每周不定期更新，谢谢大家支持！）