二：图像融合

将2张或2张以上的图像信息的融合到1张图像上

融合的图像含有更多的信息、能够更方便人来观察或者计算机处理

图像加法： 结果图像=图像1+图像2

img=img1+img2

图像融合： 结果图像=图像1*系数1+图像2*系数2+亮度调节量

img=img1*0.3+img2*0.7+18

函数addWeighted

dst=cv.addWeighted(src1, alpha, src2, beta,gamma)

dst = src1*alpha + src2*beta + gamma;

参数gamma不能省略

图像加权和：

就是在计算两幅图像的像素值之和时，将每幅图像的权重考虑进来，可利用函数

Dst=cv2.addWeighted(src1,alpha,src2,beta,gamma)

可理解为：

结果图像=图像1*系数1+图像2*系数2+亮度调节量

3.3按位逻辑运算

常见的位运算函数

函数：

Dst=Cv2.bitwise_and(src1,src2[,mask]])

Dst=Cv2.bitwise_or(src1,src2[,mask]])

Dst=Cv2.bitwise_not(src[,mask]])

Dst=Cv2.bitwise_xor(src1,src2[,mask]])

源代码

import cv2

a=cv2.imread("image\add\boat.bmp")

b=cv2.imread("image\add\lena.bmp")

result=cv2.addWeighted(a,1,b,1,0)

cv2.imshow("boat",a)

cv2.imshow("lena",b)

cv2.imshow("result",result)

cv2.waitKey()

cv2.destroyAllWindows()

视频代码：

#视频：图像加法
import cv2
a=cv2.imread("lena256.bmp")
b=a
result1=a+b
result2=cv2.add(a,b)
cv2.imshow("yuanshi",a)
cv2.imshow("result1",result1)
cv2.imshow("result2",result2)
cv2.waitKey()
cv2.destroyAllWindows()

#例3.1使用随机数数组模拟灰度图像，观察使用“+”对像素值求和的结果
import numpy as np
img1=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
img2=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
print("img1=\n",img1)
print("img2=\n",img2)
print("img1+img2=\n",img1+img2)

运行结果：

img1=

 [[ 12  42  65]

 [ 87  58 177]

 [124  87 122]]

img2=

 [[174 235 192]

 [230 181 225]

 [212 205 129]]

img1+img2=

 [[186  21   1]

 [ 61 239 146]

 [ 80  36 251]]

#例3.2使用随机数组模拟灰度图像，观察函数cv2.add()对像素值求和的结果。
import numpy as np
import cv2
img1=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
img2=np.random.randint(0,256,size=[3,3],dtype=np.uint8)
print("img1=\n",img1)
print("img2=\n",img2)
img3=cv2.add(img1,img2)
print("cv2.add(img1,img2)=\n",img3)

运行结果：

img1=

 [[108 204 155]

 [ 25  47 235]

 [140 135 195]]

img2=

 [[249 144  83]

 [249  80 193]

 [227  47 131]]

cv2.add(img1,img2)=

 [[255 255 238]

 [255 127 255]

 [255 182 255]]

#3.3分别使用加号运算符和函数cv2.add()计算两幅灰度图像的像素值之和，观察处理结果
import cv2
a=cv2.imread("lena.bmp",0)
b=a
result1=a+b
result2=cv2.add(a,b)
cv2.imshow("original",a)
cv2.imshow("result1",result1)
cv2.imshow("result2",result2)
cv2.waitKey()
cv2.destroyAllWindows()

视频：图像融合讲解

#视频：图像融合图像加权运算
import cv2
a=cv2.imread("boat.bmp",-1)
b=cv2.imread("lena.bmp",-1)
# result=cv2.addWeighted(a,1,b,1,0)
# result=cv2.addWeighted(a,0.3,b,0.6,0)
result=cv2.addWeighted(a,0.6,b,0.3,0)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.imshow("result",result)
cv2.waitKey(0)
cv2.destroyAllWindows()

#3.4使用数组演示函数cv2.addWeighted()的使用
import cv2
import numpy as np
img1=np.ones((3,4),dtype=np.uint8)*100#生产3*4的100数组；生产3*4的10数组
img2=np.ones((3,4),dtype=np.uint8)*10
gamma=3
img3=cv2.addWeighted(img1,0.6,img2,5,gamma)#img1*0.6+img2*5+gamma
print(img1)
print(img2)
print(img3)

运行结果：

[[100 100 100 100]

 [100 100 100 100]

 [100 100 100 100]]

[[10 10 10 10]

 [10 10 10 10]

 [10 10 10 10]]

[[113 113 113 113]

 [113 113 113 113]

 [113 113 113 113]]

#3.5使用函数cv2.Weighted()对两幅图像进行加权混合，观察处理结果。
import cv2
a=cv2.imread("boat.bmp")
b=cv2.imread("lena.bmp")
result=cv2.addWeighted(a,0.6,b,0.4,0)
cv2.imshow("boat",a)
cv2.imshow("lena",b)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

#3.6使用函数cv2.addWeighted()将一副图像的ROI混合在另外一副图像内
import cv2
lena=cv2.imread("lena512.bmp",cv2.IMREAD_UNCHANGED)
dollar=cv2.imread("dollar.bmp",cv2.IMREAD_UNCHANGED)
cv2.imshow("lena",lena)
cv2.imshow("dollar",dollar)
face1=lena[220:400,250:350]
face2=dollar[160:340,200:300]
add=cv2.addWeighted(face1,0.6,face2,0.4,0)
dollar[160:340,200:300]=add
cv2.imshow("result",dollar)
cv2.waitKey()
cv2.destroyAllWindows()

表-常见的位运算函数

函数名

基本含义

Cv2.bitwise_and()

按位与

Cv2.bitwise_or()

按位或

Cv2.bitwise_xor()

按位异或

Cv2.bitwise_not()

按位取反

OpenCV中运算函数格式如下：

Dst=Cv2.bitwise_and(src1,src2[,mask]])#按位与

Dst=Cv2.bitwise_or(src1,src2[,mask]])#按位或

Dst=Cv2.bitwise_xor(src1,src2[,mask]])#按位异或

Dst=Cv2.bitwise_not(src[,mask])#按位非

#3.7使用数组演示与掩模图像的按位与运算。
import cv2
import numpy  as np
a=np.random.randint(0,255,(5,5),dtype=np.uint8)
b=np.zeros((5,5),dtype=np.uint8)
b[0:3,0:3]=255
b[4,4]=255
c=cv2.bitwise_and(a,b)
print("a=\n",a)
print("b=\n",b)
print("c=\n",c)

运行结果：

a=

 [[ 13  13 125  16 146]

 [210   2 132 185 144]

 [ 35  75 170  85  93]

 [  7  20  44  77 174]

 [115  42   2 138  10]]

b=

 [[255 255 255   0   0]

 [255 255 255   0   0]

 [255 255 255   0   0]

 [  0   0   0   0   0]

 [  0   0   0   0 255]]

c=

 [[ 13  13 125   0   0]

 [210   2 132   0   0]

 [ 35  75 170   0   0]

 [  0   0   0   0   0]

 [  0   0   0   0  10]]

#3.8构造一个掩模图像，使用按位与运算保留图像中被掩模指定的部分
import cv2
import numpy  as np
a=cv2.imread("lena.bmp",0)
b=np.zeros(a.shape,dtype=np.uint8)
b[100:400,200:400]=255
b[100:500,100:200]=255
c=cv2.bitwise_and(a,b)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.imshow("c",c)
cv2.waitKey()
cv2.destroyAllWindows()

#3.9构造一个掩模图像，使用按位与操作保留图像内被掩模所指定的部分。
import cv2
import numpy  as np
a=cv2.imread("lena.bmp",1)
b=np.zeros(a.shape,dtype=np.uint8)
b[100:400,200:400]=255
b[100:500,100:200]=255
c=cv2.bitwise_and(a,b)
print("a.shape=",a.shape)
print("b.shape=",b.shape)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.imshow("c",c)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

a.shape= (512, 512, 3)

b.shape= (512, 512, 3)

3.4掩模

在OPENCV中的很多函数都会指定一个掩模，也被称为掩码，例如：

计算结果=cv2.add(参数1，参数2，掩模)

当使用掩模参数时，操作只会在掩模值为非空的像素点上执行，并将其他像素点的值置为0

例如：

Img1、img2、img3的原始值分别为：

Img1=

Img2=

Mask=

Img3=

经过img3=cv2.add(img1,img2,mask=mask)运算后，得到img3为：

Img3=

#3.10演示掩码的使用过程
import cv2
import numpy as np
img1=np.ones((4,4),dtype=np.uint8)*3
img2=np.ones((4,4),dtype=np.uint8)*5
mask=np.zeros((4,4),dtype=np.uint8)
mask[2:4,2:4]=1
img3=np.ones((4,4),dtype=np.uint8)*66
print("img1=\n",img1)
print("img2=\n",img2)
print("mask=\n",mask)
print("初始值img3=\n",img3)
img3=cv2.add(img1,img2,mask=mask)
print("求和后img3=\n",img3)

#3.11构造一个掩模图像，将该掩模图像作为按位与函数的掩模参数，实现保留图像的指定部分
import cv2
import numpy  as np
a=cv2.imread("lena.bmp",1)
w,h,c=a.shape
mask=np.zeros((w,h),dtype=np.uint8)
mask[100:400,200:400]=255
mask[100:500,100:200]=255
c=cv2.bitwise_and(a,a,mask)
print("a.shape=",a.shape)
print("mask.shape=",mask.shape)
cv2.imshow("a",a)
cv2.imshow("mask",mask)
cv2.imshow("c",c)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

a.shape= (512, 512, 3)

mask.shape= (512, 512)

3.5图像与数值的运算

参与运算的两个参数，既可以是两幅图像也可以是一副图像一副数值，如果想增加图像的整体亮度，可以将每一个像素值都加上特定的值。

#3.12演示图像与数值的运算结果
import cv2
import numpy as np
img1=np.ones((4,4),dtype=np.uint8)*3
img2=np.ones((4,4),dtype=np.uint8)*5
print("img1=\n",img1)
print("img2=\n",img2)
img3=cv2.add(img1,img2)
print("cv2.add(img1,img2)=\n",img3)
img4=cv2.add(img1,6)
print("cv2.add(img1,6)\n",img4)
img5=cv2.add(6,img2)
print("cv2.add(6,img2)=\n",img5)

运行结果：

img1=

 [[33 3 3]

 [3 33 3]

 [3 33 3]

 [3 33 3]]

img2=

 [[55 5 5]

 [5 55 5]

 [5 55 5]

 [5 55 5]]

cv2.add(img1,img2)=

 [[88 8 8]

 [8 88 8]

 [8 88 8]

 [8 88 8]]

cv2.add(img1,6)

 [[99 9 9]

 [9 99 9]

 [9 99 9]

 [9 99 9]]

cv2.add(6,img2)=

 [[1111 11 11]

 [1111 11 11]

 [1111 11 11]

 [1111 11 11]]