opencv 单通道图像融合

可以使用cv2.merge()函数将多个单通道图像合并成一个多通道图像，也可以使用cv2.addWeighted()函数对多个单通道图像进行加权融合。以下是两种方法的示例代码：

方法一：使用cv2.merge()函数合并单通道图像

import cv2

# 读取单通道图像
img1 = cv2.imread('img1.jpg', 0)
img2 = cv2.imread('img2.jpg', 0)

# 将两个单通道图像合并成一个多通道图像
merged_img = cv2.merge([img1, img2])

# 显示合并后的图像
cv2.imshow('merged_img', merged_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

方法二：使用cv2.addWeighted()函数加权融合单通道图像

import cv2

# 读取单通道图像
img1 = cv2.imread('img1.jpg', 0)
img2 = cv2.imread('img2.jpg', 0)

# 对两个单通道图像进行加权融合
merged_img = cv2.addWeighted(img1, 0.5, img2, 0.5, 0)

# 显示融合后的图像
cv2.imshow('merged_img', merged_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

相关问题

opencv 数字图像处理 不加权融合

### 非加权图像融合的概念

非加权图像融合是指将两幅或多幅图像直接叠加而不考虑权重的比例。这种技术通常应用于特定场景，比如创建全景图或是简单地增强某些特征。

对于 OpenCV 来说，虽然 `addWeighted()` 是用来做带权重的图像相加操作[^2]，但是要实现非加权融合，则可以通过简单的像素级运算来完成。具体而言，就是逐个像素位置上取平均值作为新图像对应位置上的颜色强度。

### Python代码示例：使用OpenCV进行非加权图像融合

下面是一个具体的Python脚本例子，展示了如何利用OpenCV库来进行两个灰度图片之间的非加权融合：

import numpy as np
import cv2

def unweighted_image_fusion(image1_path, image2_path):
    # 加载两张待融合的灰度图像
    img1 = cv2.imread(image1_path, 0)
    img2 = cv2.imread(image2_path, 0)

    # 确保尺寸相同
    min_shape = sorted([(np.sum(i.size), i.size) for i in [img1, img2]])[0][1]
    img1_resized = cv2.resize(img1, min_shape[::-1], interpolation=cv2.INTER_AREA)
    img2_resized = cv2.resize(img2, min_shape[::-1], interpolation=cv2.INTER_AREA)

    # 计算均值并转换回uint8类型
    fused_img = ((img1_resized.astype(float)+img2_resized.astype(float))/2).astype(np.uint8)

    return fused_img


if __name__ == "__main__":
    result = unweighted_image_fusion('path_to_first_image', 'path_to_second_image')
    cv2.imshow('Unweighted Fusion Result', result)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

此段程序首先读入两张原始图像，并调整其大小至一致；接着对这两个数组执行元素级别的求和再除以二的操作得到平均化后的矩阵形式的结果；最后显示这个合成的新图像给用户查看。

需要注意的是，在实际应用当中可能还需要考虑到色彩空间的选择等问题，这里为了简化说明仅讨论了单通道（即灰色级别）的情况[^1]。

opencv通道分离

opencv的通道分离是指将一个多通道图像分割成多个单通道图像的过程。通道分离可以实现对图像中各个通道的独立处理。

在C++中，通道分离可以通过split函数实现。该函数将多通道图像分割为单通道图像，并存储在一个Mat类型的vector中。然后可以通过channels.at(index)来获取特定通道的图像。

在C#中，可以使用OpenCvSharp库来实现通道分离。split函数也可以实现将多通道图像分割为单通道图像，并存储在一个Mat类型的List中。

通过通道分离，可以实现对图像不同通道的独立操作，例如对不同通道的图像进行增强、滤波或其他处理。同时，通道分离还可以用于图像融合等应用。

引用：
C++代码参考来源：https://www.cnblogs.com/zhoug2020/p/10977189.html
C++代码参考来源：https://blog.csdn.net/lw112190/article/details/132661361
C#代码参考来源：https://blog.csdn.net/lw112190/article/details/132661361