OpenCV中的图像加法和减法

# 1. OpenCV简介

## 1.1 OpenCV概述

OpenCV（Open Source Computer Vision Library）是一个开源的跨平台计算机视觉库，最初由Intel开发而成。它提供了丰富的图像处理函数和机器学习工具，广泛应用于实时图像处理、目标识别、人脸识别、虚拟现实等领域。

## 1.2 OpenCV的历史

OpenCV最初由Intel在1999年开发，旨在提供一个通用的计算机视觉库，用于促进计算机视觉研究的发展。随着时间的推移，OpenCV经过多次更新和迭代，逐渐成为了计算机视觉领域最为流行和强大的开源库之一。

## 1.3 OpenCV的应用领域

OpenCV在各种领域都有着广泛的应用，包括但不限于：
- 实时图像处理
- 物体识别与跟踪
- 人脸检测与识别
- 视频分析
- 虚拟现实与增强现实
- 医学图像处理
- 自动驾驶技术

OpenCV的强大功能和易用性使其成为计算机视觉领域的重要工具，受到了学术界和工业界的广泛关注和应用。

# 2. 图像加法

图像加法在图像处理中是一种常见的操作，通过将两幅图像的对应像素相加来创建一个新的图像。这种操作可以用于图像亮度调整、图像融合以及特定图像处理技术中。在本章节中，我们将深入探讨图像加法的概念、OpenCV中的图像加法函数以及图像加法的应用实例。

### 2.1 图像加法的概念

图像加法是一种基本的像素级别操作，其原理是将两幅输入图像的像素值相加，得到新的像素值。通常情况下，如果两个像素的值超过255，会进行截断处理，使其在0到255之间。

### 2.2 OpenCV中的图像加法函数

在OpenCV中，图像加法可以通过函数`cv2.add()`实现。这个函数将两个输入数组中的对应元素相加，并将结果存储在输出数组中。如果两个输入数组的大小和通道数不一样，OpenCV会自动进行广播操作，以使它们的大小相同。

import cv2

# 读取两幅图像
image1 = cv2.imread('image1.jpg')
image2 = cv2.imread('image2.jpg')

# 执行图像加法
added_image = cv2.add(image1, image2)

# 显示结果图像
cv2.imshow('Added Image', added_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

### 2.3 图像加法的应用实例

图像加法在图像处理中有着广泛的应用，例如图像融合、亮度调整和细微特征增强等。通过合理地调整加法操作的参数，可以实现不同的效果。下面是一个简单的应用实例，将一幅灰度图像和一个高斯噪声图像相加，观察效果：

import cv2
import numpy as np

# 读取灰度图像
image_gray = cv2.imread('image_gray.jpg', cv2.IMREAD_GRAYSCALE)

# 生成高斯噪声图