OpenCV-14图片的四则运算和图片的融合

一、图片的四则运算

1. 加法运算

通过使用API add来执行图像的加法运算

cv2.add（src1， src2）需要再其中传入两张图片。

图片就是矩阵，图片的加法运算就是矩阵的加法运算。

因此加法运算中要求两张图的shape必须是相同的。

首先，我们在网上下载两张小猫和小狗的照片用作练习。

通过shape查看两种图片的形状。

import cv2
import numpy as np

dog = cv2.imread("dog.png", )
cat = cv2.imread("cat.png")
print(dog.shape)
print(cat.shape)

输出结果如下： 

在做加法之前需要把图片的形状变得完全一致。

可以通过ndarray的切片的方式取出完全一样的形状。

但是因为是切片所以狗的图片只有原图像的一部分。

示例代码如下：

import cv2
import numpy as np

dog = cv2.imread("dog.png")
cat = cv2.imread("cat.png")
print(dog.shape)
print(cat.shape)

new_dog = dog[:370, :550]
new_cat = cat[:370, :550]
print(new_dog.shape)
print(new_cat.shape)

new_img = cv2.add(new_dog, new_cat)   # 加擦操作要求两个图片的长宽相同，通道数相同。 黑白图片为二维，彩色图片是三维的。

cv2.imshow("dog", new_dog)
cv2.imshow("cat", new_cat)
cv2.imshow("new_img", new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下：

add的计算规则就是两个图对应位置的元素进行相加，如果超过了255，则全部变成255。

因此两个图片相加，图片整体会变得更亮。

2. 图片与单个数字相进行运算

示例代码如下：

import cv2
import numpy as np

dog = cv2.imread("dog.png")
cat = cv2.imread("cat.png")
print(dog.shape)
print(cat.shape)

new_dog = dog[:370, :550]
new_cat = cat[:370, :550]
print(new_dog.shape)
print(new_cat.shape)
print(dog[:3, :3])
dog += 100
print("-----------------------------------------")
print(dog[:3, :3])
cv2.imshow("dog", new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下：

发现图像的结果已经失真，这是因为图片与数字运算中，每个数组都数字都会与100进行加减法，最后超出255的数字会被截断，相当于%256取余数。

3. 减法运算 subtract

使用API---cv2.subtract（str1， str2）

对应位置的元素进行相减，减完如果小于0，则同意变成0

4. 乘法运算 multiply

使用API---cv.multiply（str1，str2）

图片白色会更多，因为乘法相对于加法会使得数字更容易超过255

5. 除法运算 divide

使用API---cv2.divide（str1，str2）

图片黑色会更多，因为除法相对于减法会使得数字更趋近于0.

四种运算中加法使用相对较多。

综合的演示练习代码如下所示：

# 行是高度， 列是宽度
import cv2
import numpy as np

dog = cv2.imread("dog.png")
cat = cv2.imread("cat.png")
print(dog.shape)
print(cat.shape)

new_dog = dog[:370, :550]
new_cat = cat[:370, :550]
print(new_dog.shape)
print(new_cat.shape)

# 加法运算
new_img = cv2.add(new_dog, new_cat)   # 加擦操作要求两个图片的长宽相同，通道数相同。 黑白图片为二维，彩色图片是三维的。
# 减法运算
new_img2 = cv2.subtract(new_dog, new_cat)
# 乘法运算
new_img3 = cv2.multiply(new_dog, new_cat)
# 除法运算
new_img4 = cv2.divide(new_dog, new_cat)

# cv2.imshow("dog", new_dog)
# cv2.imshow("cat", new_cat)
cv2.imshow("new_img", new_img4)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 与单个数字进行运算
# print(dog[:3, :3])
# dog += 100
# print("-----------------------------------------")
# print(dog[:3, :3])
# cv2.imshow("dog", new_dog)
# cv2.waitKey(0)
# cv2.destroyAllWindows()

二、图片的融合

图片的融合不是简单的加法，相当于用图片进行了线性运算

new_img = img1*w1 + img2*w2 +bise*（其中bise为偏差，控制图片整体颜色变深或变浅）

使用API---addWeighted（src1， alpha，src2，beta，gamma）

alpha是第一个权重参数

beta是第二个1权重参数

gamma是偏差

示例代码如下：

import cv2

dog = cv2.imread("dog.png")
cat = cv2.imread("cat.png")

new_dog = dog[:370, :550]
new_cat = cat[:370, :550]

new_img = cv2.addWeighted(new_cat,0.5, new_dog, 0.5, 0)
new_img2 = cv2.addWeighted(new_cat,0.5, new_dog, 0.5, -50)
cv2.imshow("new_img", new_img)
cv2.imshow("new_img2", new_img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下：

可以看出img2相对于img颜色加深，因为偏差使得图像整体亮度-50.

其中权重并不要求其数值之和为1，但是当大于1或小于1时，会改变图像颜色整体的深浅。