当前位置：首页 > news >正文

dede中英文企业网站在线数据分析网站

news 2026/4/7 4:48:35

dede中英文企业网站,在线数据分析网站,wordpress伪静态nginx,电子邮件免费注册【1】引言前序已经学习了直接在画布上使用掩模，会获得彩色图像的多种叠加效果，相关文章链接为： python学opencv|读取图像（四十）掩模：三通道图像的局部覆盖-CSDN博客这时候如果更进一步，直接…

【1】引言

前序已经学习了直接在画布上使用掩模，会获得彩色图像的多种叠加效果，相关文章链接为：

python学opencv|读取图像（四十）掩模：三通道图像的局部覆盖-CSDN博客

这时候如果更进一步，直接用两张图片互相叠加，是否会有新的图像出现？这就是本次文章想讨论的内容。

在更早的时候，我们已经掌握了对灰度图像的掩模操作：

python学opencv|读取图像（九）用numpy创建黑白相间灰度图_numpy生成全黑图片-CSDN博客

因此，这种图片叠加的操作，应该可以同时作用于灰度图像和彩色图像。

探索图像的叠加效果，需要使用的函数是cv2.add()。

【2】官网教程

点击下述链接，可以直达cv2.add()函数官网说明：

OpenCV: Operations on arrays

官网页面关于cv2.add()函数的说明为：

图1

具体的各个参数的意义为：

void cv::add     (     InputArray     src1,   #输入图像1
        InputArray     src2,                         #输入图像2
        OutputArray     dst,                        #输出图像2
        InputArray     mask = noArray(),    #掩模
        int     dtype = -1 )                           #输出图像的深度，为默认值，暂无需关注

【3】代码测试

【3.1】灰度图像

首先是引入cv2等模块和原始图像：

import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块# 读取图片-直接转化灰度图
src = cv.imread('srcf.png',0) #读取图像
dst=src#输出图像

然后进行图形叠加操作：

#图像叠加
dst1=dst+dst #图像使用“+”叠加
dst2=cv.add(dst,dst) #图像使用“cv.add()函数”叠加

然后在屏幕上展示图像：

#在屏幕展示效果
cv.imshow('srcdst', dst)  # 在屏幕展示效果
cv.imshow('srcdst1', dst1)  # 在屏幕展示效果
cv.imshow('srcdst2', dst1)  # 在屏幕展示效果

为探寻实际的叠加效果，读取了特定像素点的BGR值：

#显示BGR值
print("dst像素数为[258,258]位置处的BGR=", dst[258, 258])  # 获取像素数为[100,100]位置处的BGR
print("dst1像素数为[258,258]位置处的BGR=", dst1[258,258])  # 获取像素数为[100,100]位置处的BGR
print("dst2像素数为[258,258]位置处的BGR=", dst2[258,258])  # 获取像素数为[100,100]位置处的BGR
print("dst像素数为[100,100]位置处的BGR=", dst[100, 100])  # 获取像素数为[100,100]位置处的BGR
print("dst1像素数为[100,100]位置处的BGR=", dst1[100,100])  # 获取像素数为[100,100]位置处的BGR
print("dst2像素数为[100,100]位置处的BGR=", dst2[100,100])  # 获取像素数为[100,100]位置处的BGR

之后保存相关图像：

#保存图像
cv.imwrite('srcf-dst.png', dst)  # 保存图像
cv.imwrite('srcf-dst1.png', dst1)  # 保存图像
cv.imwrite('srcf-dst2.png', dst2)  # 保存图像cv.waitKey()  # 图像不会自动关闭
cv.destroyAllWindows()  # 释放所有窗口

本文使用的原始图像为：

图2 原始图像

叠加后的图像效果为：

图3 图像使用“+”叠加-灰度图像

图4 图像使用“cv.add()函数”叠加-灰度图像

由图3和图4对比可见：图4相对来说更亮。

这时候，再看特定点的BGR值：

图5 特定像素点BGR值-灰度图像

在像素点[258,258]获得的原始图像dst对应的BGR=71，dst1和dst2在该点对应的BGR=142=2*71，可以明显看到使用“+”叠加和“cv.add()函数”叠加的效果在本质上都是对该像素点的BGR值进行叠加。

在像素点[100,100]获得的原始图像dst对应的BGR=156，dst1在该点对应的BGR=56，dst2在该点对应的BGR=255。实际上，使用“+”叠加和“cv.add()函数”叠加的效果在本质上都是对该像素点的BGR值进行叠加，但对于使用“+”叠加，像素点BGR值超过255后会重新计数，57=156*2-255，但由于像素点是从0开始计算，所以第57个数对应的BGR值为56；使用和“cv.add()函数”叠加，像素点BGR值超过255后会直接截断为255。

【3.2】彩色图像

之后进行彩色图像的零值和反零值处理，这只需要改一行代码，将src = cv.imread('srcun.png',0)改为：

src = cv.imread('srcun.png') #读取图像

直接输出完整代码：

import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块# 读取图片-直接转化灰度图
src = cv.imread('srcf.png') #读取图像
dst=src#输出图像#图像叠加
dst1=dst+dst #图像使用“+”叠加
dst2=cv.add(dst,dst) #图像使用“cv.add()函数”叠加#在屏幕展示效果
cv.imshow('srcdst', dst)  # 在屏幕展示效果
cv.imshow('srcdst1', dst1)  # 在屏幕展示效果
cv.imshow('srcdst2', dst2)  # 在屏幕展示效果#显示BGR值
print("dst像素数为[258,258]位置处的BGR=", dst[258, 258])  # 获取像素数为[100,100]位置处的BGR
print("dst1像素数为[258,258]位置处的BGR=", dst1[258,258])  # 获取像素数为[100,100]位置处的BGR
print("dst2像素数为[258,258]位置处的BGR=", dst2[258,258])  # 获取像素数为[100,100]位置处的BGR
print("dst像素数为[100,100]位置处的BGR=", dst[100, 100])  # 获取像素数为[100,100]位置处的BGR
print("dst1像素数为[100,100]位置处的BGR=", dst1[100,100])  # 获取像素数为[100,100]位置处的BGR
print("dst2像素数为[100,100]位置处的BGR=", dst2[100,100])  # 获取像素数为[100,100]位置处的BGR#保存图像
cv.imwrite('srcf-c-dst.png', dst)  # 保存图像
cv.imwrite('srcf-c-dst1.png', dst1)  # 保存图像
cv.imwrite('srcf-c-dst2.png', dst2)  # 保存图像cv.waitKey()  # 图像不会自动关闭
cv.destroyAllWindows()  # 释放所有窗口

代码运行后获得的图像效果为：

图6 图像使用“+”叠加-灰度图像

图7 图像使用“cv.add()函数”叠加-彩色图像

此时的特定像素点BGR值为：

图8 特定像素点BGR值-彩色图像

对像素点[258,258]和像素点[100,100]获得的原始图像dst对应的BGR和叠加后的图像dst1、dst2在该点对应的BGR分析可知：使用“+”叠加和“cv.add()函数”叠加的效果在本质上都是对该像素点的BGR值进行叠加，但对于使用“+”叠加，像素点BGR值超过255后会重新计数；使用和“cv.add()函数”叠加，像素点BGR值超过255后会直接截断为255。