前文传送门：
「Python 图像处理 OpenCV （1）：入门」
「Python 图像处理 OpenCV （2）：像素处理与 Numpy 操作以及 Matplotlib 显示图像」
「Python 图像处理 OpenCV （3）：图像属性、图像感兴趣 ROI 区域及通道处理」
图像加法
图像加法有两种方式，一种是通过 Numpy 直接对两个图像进行相加，另一种是通过 OpenCV 的 add() 函数进行相加。
不管使用哪种方法，相加的两个图像必须具有相同的深度和类型，简单理解就是图像的大小和类型必须一致。
Numpy 加法
Numpy 的运算方法是： img = img1 + img2 ，然后再对最终的运算结果取模。
- 当最终的像素值 <= 255 时，则运算结果直接为
img1 + img2。 - 当最终的像素值 > 255 时，则运算的结果需对 255 进行取模运算。
OpenCV 加法
OpenCV 的运算方式是直接调用 add() 函数进行的，这时的运算方式是饱和运算。
- 当最终的像素值 <= 255 时，则运算结果直接为
img1 + img2。 - 当最终的像素值 > 255 时，这时则是饱和运算，结果固定为 255 。
两种加法方式对应的示例如下：
import cv2 as cv
# 读取图像
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
test = img
# Numpy 加法
result1 = img + test
# OpenCV 加法
result2 = cv.add(img, test)
# 显示图像
cv.imshow("img", img)
cv.imshow("result1", result1)
cv.imshow("result2", result2)
# 等待显示
cv.waitKey()
cv.destroyAllWindows()
结果如下：
可以看到，使用 Numpy 取模加法的图片整体更偏绿色，而使用 OpenCV 饱和运算的加法，整体颜色更偏白色。
图像融合
图像融合其实也是一种图像加法，但是它和图像加法不同的是对图像赋予不同的权重，可以使图像具有融合或者透明的感觉。
图像加法： img = img1 + img2
图像融合： img = img1 * alpha + img2 * beta + gamma
图像融合用到的函数为 addWeighted() 具体如下：
dst = cv.addWeighter(img1, alpha, img2, beta, gamma)
dst = img1 * alpha + img2 * beta + gamma
这里的 alpha 和 beta 都是系数，而 gamma 则是一个亮度调节量，不可省略。
下面这个示例中，我又找了一张下雨的图片，用这张图片和马里奥做一个图像融合的案例：
import cv2 as cv
# 读取图像
img1 = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
img2 = cv.imread("rain.jpg", cv.IMREAD_UNCHANGED)
# 图像融合
img = cv.addWeighted(img1, 0.4, img2, 0.6, 10)
# 显示图像
cv.imshow("img1", img1)
cv.imshow("img2", img2)
cv.imshow("img", img)
# 等待显示
cv.waitKey()
cv.destroyAllWindows()
结果如下：
图像融合时需要注意的和上面一致，需要图像大小是相等的，上面的示例这两张图片都是像素为 560 * 310 且都为 RGB 的图片。
改变颜色空间
OpenCV 中有超过150种颜色空间转换方法。我们先介绍两种最常用的： BGR <-> 灰度 和 BGR <-> HSV 。
对于改变颜色空间，我们使用 cvtColor(input_image, flag) 函数，其中的 flag 为转换的类型。
一些常见的 flag 值：
# BGR 转 灰度
cv.COLOR_BGR2GRAY
# BGR 转 HSV
cv.COLOR_BGR2HSV
# BGR 转 RGB
cv.COLOR_BGR2RGB
# 灰度 转 BGR
cv.COLOR_GRAY2BGR
可以很清楚的看到， flag 的命名非常的通俗易懂，如果想要获取其他所有的标记，可以使用下面这段代码：
import cv2 as cv
flags = [i for i in dir(cv) if i.startswith('COLOR_')]
print(flags)
结果就不贴了，挺长的。
注意： HSV 的色相范围为 [0,179] ，饱和度范围为 [0,255] ，值范围为 [0,255] 。不同的软件使用不同的范围。因此，如果需要将 OpenCV 值和它们比较，则需要将这些范围标准化。
我们使用 cvtColor() 这个函数将马里奥转化成灰度图像，示例如下：
import cv2 as cv
# 读取图像
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
# 图像类型转换
result = cv.cvtColor(img, cv.COLOR_RGB2GRAY)
# 图像展示
cv.imshow("img", img)
cv.imshow("result", result)
# 等待显示
cv.waitKey()
cv.destroyAllWindows()
结果如下：
示例代码
如果有需要获取源码的同学可以在公众号回复「OpenCV」进行获取。
参考
https://blog.csdn.net/Eastmount/article/details/82347501
http://woshicver.com/