opencv中图像叠加/图像融合/按位操作的实现
一、图像叠加：cv2.add
res=cv2.add(img1, img2) 或者res=cv2.add(img1, 标量值)
参数说明： cv2.add将两个图片对应位置的像素的值相加，或者将每个像素的值加上一个标量值，大于255的像素值就设置成255。
有一点需要注意的是，如果是两张图片相加，那么一定要注意两者的尺寸和通道数必须是一样的；如果是标量值，这个值既可以是整数也可以是浮点数，加合适的标量值一般是为了提高亮度。
import cv2
img1 = cv2.imread('1.jpg')
img2 = cv2.imread('2.jpg')
print(img1.shape)
print(img2.shape)
#输出： (1039, 750, 3)
#(1050, 700, 3)
img2.resize((img1.shape[0],img1.shape[1],3))
print(img2.shape)
#输出：(1039, 750, 3)
res=cv2.add(img1,img2)#或者res=cv2.add(img1,10)
上面说了，cv2.add会把超过255的值设置为255，但是numpy里的加法进行的是模运算，请看下面的例子：
import cv2 import numpy as np x = np.uint8([250]) y = np.uint8([10]) print( cv2.add(x,y) ) # 250+10 = 260 => 255 print( x+y ) # 250+10 = 260 % 256 = 4
输出：
[[255]]
[4]
二、图像融合：cv2.addWeighted
cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) → dst
dst = src1 * alpha + src2 * beta + gamma
src1 – 第一张图片
alpha – 第一张图片的权重
src2 – 与第一张大小和通道数相同的图片
beta – 第二张图片的权重
gamma – 加到每个总和上的标量，相当于调亮度
dst – 输出
当然，这里也要注意图片尺寸要一样
import cv2
import numpy as np
img1 = cv2.imread('1.jpg')
img2 = cv2.imread('2.jpg')
#统一图片大小
img2 = cv2.resize(img2,(img1.shape[1],img1.shape[0]))
dst = cv2.addWeighted(img1,0.5,img2,0.5,0)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
你可以根据需要自己调整两个图片的权重，以达到不同的显示效果
三、图像的按位操作：cv2.bitwise_and
''' 注意，src1和src2的形状要保持一致，一般都是同一张图像， 关键是在于mask，mask必须得是8-bit单通道array，尺寸也要和src相同 ''' bitwise_and(src1, src2[, dst[, mask]]) -> dst
如果将两幅图片直接相加会改变图片的颜色，如果用图像混合，则会改变图片的透明度，所以我们需要用按位操作。首先来了解一下掩膜（mask）的概念：掩膜是用一副二值化图片对另外一幅图片进行局部的遮挡，看下图就一目了然了：(此处参考了 原文链接)
所以我们的思路就是把原图中要放logo的区域抠出来，再把logo放进去就行了：
import cv2
import numpy as np
img1 = cv2.imread('lena.jpg')
img2 = cv2.imread('opencv-logo-white.jpg')
# 把logo放在左上角，所以我们只关心这一块区域
rows, cols = img2.shape[:2]
roi = img1[:rows, :cols]
# 创建掩膜
img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY)
mask_inv = cv2.bitwise_not(mask)
# 保留除logo外的背景
img1_bg = cv2.bitwise_and(roi, roi, mask=mask_inv)
dst = cv2.add(img1_bg, img2) # 进行融合
img1[:rows, :cols] = dst # 融合后放在原图上
cv2.imshow('res',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
其实看到这，很多人会有一些疑问，包括我自己刚开始的时候也是有疑问：
为什么要用两个roi进行与运算，roi&roi不还是roi本身吗？
mask和roi尺寸也一样，而且我们想要在roi中去除的区域在mask中对应位置的像素值正好也为0，为什么不让roi和mask两者直接相与呢？
这两个问题在我查资料的时候是这么说的，仅供参考:
- 因为mask是单通道的array，这是规定的，而roi是三通道，所以两者不能直接相与。
- 于是先利用roi和roi相与得到roi本身，而mask可以控制相与之后输出数据的某些元素发生变化，而相与之后的输出就是roi，所以此时相当于直接对roi进行操作，使roi中和mask中像素值为0的像素点对应的像素点的像素值也为0，也即变成黑的，这就达到了我们想要的效果。
下一篇：Django数据库操作之save与update的使用