python+opencv图像处理（四）——图像加法、图像融合

1.图像加法运算

1.1 运用numpy库

运用numpy库进行图像加法运算的方法为：取模运算
总像素值 = 图像1 + 图像2

1)当总像素值<=255时，像素值保持不变. 。如：56+124=180，即加法运算后的像素值为180
2)当总像素值>255时，像素值取(总像素值 - 255)。如：（250+46）- 255 = 41，即加法运算后的像素值为41

1.2 调用OpenCV

调用openCV 进行图像加法运算的方法为：饱和运算
核心函数为：目标图像 = cv2.add(图像1, 图像2)

1)当总像素值<=255时，像素值保持不变. 。如：56+124=180，即加法运算后的像素值为180
2)当总像素值>255时，像素值取255。如：（250+46）= 255

1.3 两种方法的运行代码和结果

注意：参与运算的图像大小和类型必须一致

两图的大小都为：400X400 类型都是：灰度图
若一个是灰度图，另一个是彩色图，运行会出错

程序代码如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt
 #读取图像1
im1 = cv2.imread('D:\pythonb\wx01.jpg')  #400X400
src1 = cv2.cvtColor(im1, cv2.COLOR_BGR2RGB)
gray1 = cv2.cvtColor(src1,cv2.COLOR_BGR2GRAY)

因为下面是利用matplotlib.pyplot函数显示图像，所以必须先把图像转换为RGB模式；如果是用cv2.show()显示图像，则不需要转换。———这两天摸出来的小经验

 #读取图像2，并修改尺寸为400x400
im2 = cv2.imread('D:\pythonb\wx02.jpg') #960X960
src2 = cv2.cvtColor(im2, cv2.COLOR_BGR2RGB)
gray2 = cv2.cvtColor(src2,cv2.COLOR_BGR2GRAY)
new_im2 =cv2.resize(gray2,(400,400))  

PIL库修改尺寸：new_im2 = im2.resize((400,400))

 #法一：numpy加法
result1 = new_im2 + gray1

 #法二: opencv加法
result2 = cv2.add(gray1,new_im2)
titles = ['gray1','gray2','numpy','opencv']
images = [gray1,new_im2 ,result1,result2]

 #显示图像
for i in range(4):
    plt.subplot(2,2,i+1)
    plt.title(titles[i])
    plt.imshow(images[i],'gray')
    plt.xticks([]), plt.yticks([])
plt.show()

如果要显示灰度图，plt.imshow( ,‘gray’)里一定要加’gray’,否则显示的是彩色图————也是刚摸索出来的。。。

运行结果如下：

2.图像融合

图像融合技术可以提取自然光图像和红外图像的互补信息，获得对同一场景描述解释更为准确、全面和可靠的图像。像素级融合是常用于灰度图像与可见光图像的融合。基于源图像的彩色化就是源图像和目标图像的融合过程，使其同时兼有源图像的颜色和目标图像的形状、纹理等特征信息，达到整体颜色基调和谐、真实。
缺点：这种层面的融合方式对应设备的要求较高，一般计算量较大，不适合实时性需求。

2.1 运用openCV中的addWeighter()函数

图像融合在图像加法的基础上增加了系数和亮度调节

目标图像 = 图像1 * 系数1 + 图像2 * 系数2 + 亮度调节量
调用的函数为：
dst = cv2.addWeighter(scr1, alpha, src2, beta, gamma)
dst = src1 * alpha + src2 * beta + gamma
其中参数gamma不能省略。

程序运行代码如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt

加入中文字体支持：因为后续的图像标题用的是中文

from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\SimSun.ttc",size = 14)

#读取图片
im1 = cv2.imread('D:\pythonb\wx30.jpg')
src1 = cv2.cvtColor(im1, cv2.COLOR_BGR2RGB)

im2 = cv2.imread('D:\pythonb\wx020.jpg')
src2 = cv2.cvtColor(im2, cv2.COLOR_BGR2RGB)

图像融合：以第一幅图像透明度为0.5；第二幅图像透明度为0.7进行融合

result = cv2.addWeighted(src1, 0.5, src2, 0.7,1)

 #显示图像
titles = ['原图1', '原图2','融合后']
images = [src1, src2,result]

for i in range(3):
    plt.subplot(1, 3, i + 1)
    plt.imshow(images[i])
    plt.title(titles[i],FontProperties=font)
    plt.xticks([]), plt.yticks([])
plt.show()

注意：两张进行融合的图像像素大小需要一致.

运行结果如下图：

2.2 运用PIL库中的Image.blend()函数

from PIL import Image

取图像并修改尺寸大小

im1 = Image.open('D:\pythonb\wx3.jpg').crop((100,500,1500,2000)).resize((255,255))

为了和图像1的大小和模式一样 需重置大小和模式

im2 = Image.open('D:\pythonb\wx9.jpg').resize((255,255))    

new_im = im1 * (1 – 0.6) + im2* 0.6 进行。
按照第一张40%的透明度，第二张60%的透明度，合成为一张。

new_im = Image.blend(im1,im2,0.6)      #混合图像
new_im.show()
new_im.save('D:\pythonb\wx022.jpg')    #保存图像

运行结果如下：

（by: dxz 2020 03 14 11:49 )