OpenCV图像处理：叠加与融合详解

本文主要介绍了OpenCV库在Python中实现图像叠加、图像融合以及按位操作的方法，重点关注了`cv2.add`函数和`cv2.addWeighted`函数的使用。 在OpenCV中，图像叠加通常通过`cv2.add`函数实现。此函数将两个图像的对应像素值相加，如果结果超过255（对于8位无符号整数图像），则将其截断为255。在使用`cv2.add`时，确保两个图像的尺寸和通道数完全相同是至关重要的。例如： ```python import cv2 img1 = cv2.imread('1.jpg') img2 = cv2.imread('2.jpg') # 确保两个图像尺寸一致 if img1.shape != img2.shape: img2 = cv2.resize(img2, img1.shape[:2]) res = cv2.add(img1, img2) ``` 此外，`cv2.add`还可以接受一个标量值作为第二个参数，这会将该标量值加到原图像的所有像素上，用于调整图像的亮度。标量值可以是整数或浮点数。 图像融合是另一种处理图像的方法，它涉及到更复杂的权重分配。OpenCV提供了`cv2.addWeighted`函数来实现这一功能。该函数的语法如下： ```python cv2.addWeighted(src1, alpha, src2, beta, gamma, [dst, dtype]) → dst ``` 其中： - `src1`和`src2`是需要融合的两张图像，它们的尺寸和通道数必须相同。 - `alpha`是`src1`的权重，`beta`是`src2`的权重。 - `gamma`是一个标量值，可以理解为全局亮度调整。 - `dst`是输出的融合图像。 - `dtype`（可选）指定输出图像的数据类型，默认情况下与输入图像相同。 例如，以下代码展示了如何使用`cv2.addWeighted`融合两张图像： ```python import cv2 import numpy as np img1 = cv2.imread('1.jpg') img2 = cv2.imread('2.jpg') # 统一图片大小 img2 = cv2.resize(img2, img1.shape[:2]) res = cv2.addWeighted(img1, 0.5, img2, 0.5, 0) # 平均融合 ``` 在这个例子中，`alpha`和`beta`都设为0.5，意味着两张图像对最终结果的贡献相等，而`gamma`设为0，不改变原始亮度。 按位操作是指使用位逻辑运算符（如AND, OR, NOT, XOR等）对图像的像素进行操作。虽然在描述中没有直接提到按位操作，但在实际应用中，我们可以使用Numpy的按位运算符来实现类似的功能。例如，我们可以使用`&`（按位与）和`|`（按位或）来合并或选择图像的特定部分： ```python mask = np.ones_like(img1, dtype=np.uint8) * 255 # 创建全白色掩码 merged_img = img1 & mask # 使用掩码按位与，保留img1的部分 ``` 通过这些操作，我们可以根据需求组合、修改和增强图像，从而在图像处理和计算机视觉任务中实现各种效果。