目标

学习一些图像的算术运算操作，比如加、减、位运算，等等。
学习这些函数：cv.add()，cv.addWeighted()，等等。

图像加法

我们可以利用 OpenCV 的函数，cv.add()，或简单地通过 numpy 操作 res = img1 + img2，将两幅图像加起来。两幅图像应该具有相同的深度和类型，或者第二幅图像可以仅仅是个标量值。

注意
OpenCV 的加法和 Numpy 的加法是有区别的。OpenCV 加法是饱和运算，而 Numpy 加法是模运算。

比如，考虑下面的例子：

def diff_add():
    x = np.uint8([250])
    y = np.uint8([10])

    print(cv.add(x,y)) # 250+10 = 260 => 255
    print(x + y)  # 250+10 = 260 % 256 = 4

这几行代码的输出如下：

[[255]]
[4]

当将两个图像相加时，这将更加明显。坚持使用 OpenCV 函数，因为它们会提供更好的结果。

图像混合

这也是一个图像相加操作，但会给不同的图像以不同的权重，为了给人一种混合或透明的感觉。图像相加操作按以下公式进行：

g(x) = (1 - alpha)f_0(x) + alphaf_1(x)

通过从 0 -> 1 改变 alpha 的值，我们可以执行一个从一幅图像到另一幅图像之间很酷的转换。

这里我们拿两幅图像来混合。给第一个图像一个权重 0.7，给第二个图像一个权重 0.7。 cv.addWeighted() 对图像应用如下的公式：

dst = alpha * img1 + beta * img2 + gamma

这里的 gamma 我们取 0。

def image_blending():
    cv.samples.addSamplesDataSearchPath("/media/data/my_multimedia/opencv-4.x/samples/data")
    file_ml = cv.samples.findFile('ml.png')
    img1 = cv.imread(file_ml)

    file_logo = cv.samples.findFile('opencv-logo.png')
    img2 = cv.imread(file_logo)
    print(img1.shape)
    img2 = cv.resize(img2, (img1.shape[1], img1.shape[0]))
    print(img2.shape)
    dst = cv.addWeighted(img1, 0.7, img2, 0.3, 0)

    plt.subplot(131), plt.imshow(img1, 'gray'), plt.title('ORIGINAL')
    plt.subplot(132), plt.imshow(img2, 'gray'), plt.title('REPLICATE')
    plt.subplot(133), plt.imshow(dst, 'gray'), plt.title('REFLECT')

    plt.subplots_adjust(wspace=0.4, hspace=0.4)

    plt.show()

由于上面的两幅图像大小不一样，因而通过 cv.resize() 将其中一幅图像的大小做调整，以便后面的混合操作可以正常执行。检查最终的结果如下：

Image

下面这个例子演示如上相同的函数，但引入 cv.hconcat() 来将原始图像和结果图像水平拼接起来，以另一种方式展示结果：

def image_blending1():
    cv.samples.addSamplesDataSearchPath("/media/data/my_multimedia/opencv-4.x/samples/data")
    file_ml = cv.samples.findFile('ml.png')
    img1 = cv.imread(file_ml)

    file_logo = cv.samples.findFile('opencv-logo.png')
    img2 = cv.imread(file_logo)
    print(img1.shape)
    img2 = cv.resize(img2, (img1.shape[1], img1.shape[0]))
    print(img2.shape)
    dst = cv.addWeighted(img1, 0.7, img2, 0.3, 0)

    images = [img1, img2, dst]
    img4 = cv.hconcat(images)

    cv.imshow('Image', img4)
    cv.waitKey(0)
    cv.destroyAllWindows()

检查最终的结果如下：

Image

下面这个示例则通过图像混合，实现一个渐入和渐出的动画效果：

def image_blending2():
    cv.samples.addSamplesDataSearchPath("/media/data/my_multimedia/opencv-4.x/samples/data")
    file_ml = cv.samples.findFile('ml.png')
    img1 = cv.imread(file_ml)

    file_logo = cv.samples.findFile('opencv-logo.png')
    img2 = cv.imread(file_logo)
    img2 = cv.resize(img2, (img1.shape[1], img1.shape[0]))

    weight = 0.01
    step = 0.02
    while True:
        dst = cv.addWeighted(img1, weight, img2, 1 - weight, 0)
        cv.imshow('Image', dst)

        key = cv.waitKey(35)
        if key == ord('q'):
            break

        weight += step
        if (weight > 1.0):
            step = -step
        elif weight < 0:
            step = -step

    cv.destroyAllWindows()

位操作

这里包括位 AND，OR，NOT 和 XOR 操作。在提取图像的任何部分（我们将在接下来的章节中看到）、定义和使用非矩形 ROI 等时，它们将非常有用。下面我们将看到一个如何更改图像特定区域的示例。

我想把 OpenCV logo 放到一幅图像上面。如果我将两幅图像相加，则它将改变颜色。如果我混合它们，我得到一个透明效果。但我希望它是不透明的。如果它是一个矩形区域，我可以使用 ROI，就像我们在前面的章节中做的那样。但 OpenCV logo 不是一个矩形。因而，我们可以用位操作来实现，如下所示：

def bitwise_operations():
    # Load two images
    cv.samples.addSamplesDataSearchPath("/media/data/my_multimedia/opencv-4.x/samples/data")
    img1 = cv.imread(cv.samples.findFile('messi5.jpg'))
    img2 = cv.imread(cv.samples.findFile('opencv-logo-white.png'))

    # I want to put logo on top-left corner, So I create a ROI
    rows, cols, channels = img2.shape
    roi = img1[0:rows, 0:cols]

    # Now create a mask of logo and create its inverse mask also
    img2gray = cv.cvtColor(img2, cv.COLOR_BGR2GRAY)
    ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
    mask_inv = cv.bitwise_not(mask)

    images = [img2gray, mask, mask_inv]
    image = cv.hconcat(images)

    # Now black-out the area of logo in ROI
    img1_bg = cv.bitwise_and(roi, roi, mask=mask_inv)

    # Take only region of logo from logo image.
    img2_fg = cv.bitwise_and(img2, img2, mask=mask)

    # Put logo in ROI and modify the main image
    dst = cv.add(img1_bg, img2_fg)

    images2 = [img1_bg, img2_fg, dst]
    image2 = cv.hconcat(images2)

    img1[0:rows, 0:cols] = dst

    plt.subplot(211), plt.imshow(image, 'gray'), plt.title('MASK')
    plt.subplot(212), plt.imshow(image2, 'gray'), plt.title('ROI')

    plt.subplots_adjust(wspace=0.1, hspace=0.3)

    plt.show()

执行上面的代码，MASK 和 ROI 区域的变化如下图：

MASK 和 ROI

查看最终的结果。左图显示了我们创建的蒙版。右图展示了最终的结果。为了获得更好的理解，显示上面代码中所有的中间图像，特别是 img1_bg 和 img2_fg。

Image

将左边图像和右边图像拼接起来并显示的代码如下：

    image4 = np.zeros((img1.shape[0], img2.shape[1], 3), np.uint8)
    merged = cv.merge((mask, mask, mask))
    image4[0:rows, 0:cols] = merged

    img1[0:rows, 0:cols] = dst

    images5 = [image4, img1]
    dest = cv.hconcat(images5)

    cv.imshow('res', dest)
    cv.waitKey(0)
    cv.destroyAllWindows()