使用python语言和opencv写一个景深融合的程序

以下是一个简单的景深融合程序的代码示例：

import cv2
import numpy as np

# 读入两张图像
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 计算图像的高斯金字塔
G1 = img1.copy()
G1_pyramid = [G1]
for i in range(6):
    G1 = cv2.pyrDown(G1)
    G1_pyramid.append(G1)

G2 = img2.copy()
G2_pyramid = [G2]
for i in range(6):
    G2 = cv2.pyrDown(G2)
    G2_pyramid.append(G2)

# 计算掩模的高斯金字塔
mask = np.zeros(img1.shape[:2], dtype=np.float32)
mask[:, img1.shape[1] // 4:img1.shape[1] * 3 // 4] = 1
M_pyramid = [mask]
for i in range(6):
    mask = cv2.pyrDown(mask)
    M_pyramid.append(mask)

# 对每个金字塔层进行混合处理
L_pyramid = []
for G1, G2, M in zip(G1_pyramid, G2_pyramid, M_pyramid):
    L = G1 * M + G2 * (1 - M)
    L_pyramid.append(L)

# 重建图像
L = L_pyramid[5]
for i in range(4, -1, -1):
    L = cv2.pyrUp(L)
    L = cv2.add(L, L_pyramid[i])

# 显示和保存结果
cv2.imshow('Blended Image', L)
cv2.waitKey(0)
cv2.imwrite('blended_image.jpg', L)
cv2.destroyAllWindows()

在这个程序中，我们首先读入两张图像，并计算它们的高斯金字塔和掩模的高斯金字塔。然后，对于每个金字塔层，我们根据掩模进行混合处理，并将结果保存到L_pyramid中。最后，我们使用cv2.pyrUp逆向重建L_pyramid，得到最终的混合图像L。