使用 OpenCV 添加（混合）两张图像

目录

• 目标
• 理论
• 源代码
• 解释
• 结果

上一个教程： 图像操作
下一个教程： 改变图像的对比度和亮度！

原始作者	Ana Huamán
兼容性	OpenCV >= 3.0

我们将学习如何混合两张图像！

目标

在本教程中，您将学习

• 什么是线性混合以及它的用途；
• 如何使用 addWeighted() 添加两张图像

理论

注意

以下解释来自 Richard Szeliski 的 Computer Vision: Algorithms and Applications 这本书

从我们之前的教程中，我们已经了解了一些像素运算符。一个有趣的二元（双输入）运算符是线性混合运算符

\[g(x) = (1 - \alpha)f_{0}(x) + \alpha f_{1}(x)\]

通过将 \(\alpha\) 从 \(0 \rightarrow 1\) 变化，这个运算符可以用于在两个图像或视频之间执行时间上的交叉溶解，就像在幻灯片和电影制作中看到的那样（很酷，不是吗？）

源代码

C++

从 这里 下载源代码。

 
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
 
using namespace cv;
 
// 我们在这里不 "using namespace std;"，以避免 beta 变量与 c++17 中的 std::beta 发生冲突
using std::cin;
using std::cout;
using std::endl;
 
int main( void )
{
   double alpha = 0.5; double beta; double input;
 
   Mat src1, src2, dst;
 
cout << " 简单的线性混合器 " << endl;
cout << "-----------------------" << endl;
cout << "* 输入 alpha [0.0-1.0]: ";
cin >> input;
 
   // 如果用户提供的 alpha 值在 0 和 1 之间，我们则使用它
   if( input >= 0 && input <= 1 )
{ alpha = input; }
 
src1 = imread( samples::findFile("LinuxLogo.jpg") );
src2 = imread( samples::findFile("WindowsLogo.jpg") );
 
   if( src1.empty() ) { cout << "加载 src1 时出错" << endl; return EXIT_FAILURE; }
   if( src2.empty() ) { cout << "加载 src2 时出错" << endl; return EXIT_FAILURE; }
 
beta = ( 1.0 - alpha );
addWeighted( src1, alpha, src2, beta, 0.0, dst);
 
imshow( "线性混合", dst );
waitKey(0);
 
   return 0;
}

Java

从 这里 下载源代码。

import org.opencv.core.*;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
 
import java.util.Locale;
import java.util.Scanner;
 
class AddingImagesRun{
    public void run() {
        double alpha = 0.5; double beta; double input;
 
Mat src1, src2, dst = new Mat();
 
System.out.println(" 简单的线性混合器 ");
System.out.println("-----------------------");
System.out.println("* 输入 alpha [0.0-1.0]: ");
Scanner scan = new Scanner( System.in ).useLocale(Locale.US);
input = scan.nextDouble();
 
        if( input >= 0.0 && input <= 1.0 )
alpha = input;
 
src1 = Imgcodecs.imread("../../images/LinuxLogo.jpg");
src2 = Imgcodecs.imread("../../images/WindowsLogo.jpg");
 
        if( src1.empty() == true ){ System.out.println("加载 src1 时出错"); return;}
        if( src2.empty() == true ){ System.out.println("加载 src2 时出错"); return;}
 
beta = ( 1.0 - alpha );
Core.addWeighted( src1, alpha, src2, beta, 0.0, dst);
 
HighGui.imshow("线性混合", dst);
HighGui.waitKey(0);
 
System.exit(0);
    }
}
 
public class AddingImages {
    public static void main(String[] args) {
        // 加载本地库。
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        new AddingImagesRun().run();
    }
}

Python

从 这里 下载源代码。

from __future__ import print_function
 
import cv2 as cv
 
alpha = 0.5
 
try:
raw_input # Python 2
except NameError
raw_input = input # Python 3
 
print(''' 简单的线性混合器
-----------------------
* 输入 alpha [0.0-1.0]: ''')
input_alpha = float(raw_input().strip())
if 0 <= alpha <= 1
alpha = input_alpha
# [load]
src1 = cv.imread(cv.samples.findFile('LinuxLogo.jpg'))
src2 = cv.imread(cv.samples.findFile('WindowsLogo.jpg'))
# [load]
if src1 is None
print("加载 src1 时出错")
exit(-1)
elif src2 is None
print("加载 src2 时出错")
exit(-1)
# [blend_images]
beta = (1.0 - alpha)
dst = cv.addWeighted(src1, alpha, src2, beta, 0.0)
# [blend_images]
# [display]
cv.imshow('dst', dst)
cv.waitKey(0)
# [display]
cv.destroyAllWindows()

解释

由于我们将要执行

\[g(x) = (1 - \alpha)f_{0}(x) + \alpha f_{1}(x)\]

我们需要两个源图像（ \(f_{0}(x)\) 和 \(f_{1}(x)\)）。所以，我们以通常的方式加载它们

C++

src1 = imread( samples::findFile("LinuxLogo.jpg") );
src2 = imread( samples::findFile("WindowsLogo.jpg") );

Java

src1 = Imgcodecs.imread("../../images/LinuxLogo.jpg");
src2 = Imgcodecs.imread("../../images/WindowsLogo.jpg");

Python

src1 = cv.imread(cv.samples.findFile('LinuxLogo.jpg'))
src2 = cv.imread(cv.samples.findFile('WindowsLogo.jpg'))

我们使用了以下图像： LinuxLogo.jpg 和 WindowsLogo.jpg

警告

由于我们正在添加 src1 和 src2，它们都必须具有相同的大小（宽度和高度）和类型。

现在我们需要生成 g(x) 图像。为此，addWeighted() 函数非常方便

C++

beta = ( 1.0 - alpha );
   addWeighted( src1, alpha, src2, beta, 0.0, dst);

Java

beta = ( 1.0 - alpha );
Core.addWeighted( src1, alpha, src2, beta, 0.0, dst);

Python

beta = (1.0 - alpha)
dst = cv.addWeighted(src1, alpha, src2, beta, 0.0)

上述行的 Numpy 版本（但 cv 函数的速度快大约 2 倍）

dst = np.uint8(alpha*(img1)+beta*(img2))

因为 addWeighted() 产生

\[dst = \alpha \cdot src1 + \beta \cdot src2 + \gamma\]

在这种情况下，gamma 是上面代码中的参数 \(0.0\)。

创建窗口，显示图像并等待用户结束程序。

C++

   imshow( "线性混合", dst );
   waitKey(0);

Java

HighGui.imshow("线性混合", dst);
HighGui.waitKey(0);

Python

cv.imshow('dst', dst)
cv.waitKey(0)

结果