[Python图像处理] 五.图像融合、加法运算及图像类型转换 - 好文

该系列文章是讲解Python
OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

同时推荐作者的C++图像系列知识：
[数字图像处理] 一.MFC详解显示BMP格式图片
<https://blog.csdn.net/eastmount/article/details/18238863>
[数字图像处理] 二.MFC单文档分割窗口显示图片
<https://blog.csdn.net/eastmount/article/details/18987539>
[数字图像处理] 三.MFC实现图像灰度、采样和量化功能详解
<https://blog.csdn.net/eastmount/article/details/46010637>
[数字图像处理] 四.MFC对话框绘制灰度直方图
<https://blog.csdn.net/eastmount/article/details/46237463>
[数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解
<https://blog.csdn.net/eastmount/article/details/46312145>
[数字图像处理] 六.MFC空间几何变换之图像平移、镜像、旋转、缩放详解
<https://blog.csdn.net/eastmount/article/details/46345299>
[数字图像处理] 七.MFC图像增强之图像普通平滑、高斯平滑、Laplacian、Sobel、Prewitt锐化详解
<https://blog.csdn.net/eastmount/article/details/46378783>

前文参考：
[Python图像处理] 一.图像处理基础知识及OpenCV入门函数
<https://blog.csdn.net/Eastmount/article/details/81748802>
[Python图像处理] 二.OpenCV+Numpy库读取与修改像素
<https://blog.csdn.net/eastmount/article/details/82120114>
[Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理
<https://blog.csdn.net/eastmount/article/details/82177300>
[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
<https://blog.csdn.net/Eastmount/article/details/82216380>

本篇文章主要讲解Python调用OpenCV实现图像融合及加法运算，包括三部分知识：图像融合、图像加法运算、图像类型转换。全文均是基础知识，希望对您有所帮助。
1.图像加法运算
2.图像融合
3.图像类型转换

PS：文章参考自己以前系列图像处理文章及OpenCV库函数，同时部分参考网易云视频，推荐大家去学习。

PSS：2019年1~2月作者参加了CSDN2018年博客评选，希望您能投出宝贵的一票。我是59号，Eastmount，杨秀璋。投票地址：
https://bss.csdn.net/m/topic/blog_star2018/index
<https://bss.csdn.net/m/topic/blog_star2018/index>

五年来写了314篇博客，12个专栏，是真的热爱分享，热爱CSDN这个平台，也想帮助更多的人，专栏包括Python、数据挖掘、网络爬虫、图像处理、C#、Android等。现在也当了两年老师，更是觉得有义务教好每一个学生，让贵州学子好好写点代码，学点技术，"师者，传到授业解惑也"，提前祝大家新年快乐。2019我们携手共进，为爱而生。

<>一.图像加法运算

1.Numpy库加法
其运算方法是：目标图像 = 图像1 + 图像2，运算结果进行取模运算。

* 当像素值<=255时，结果为“图像1+图像2”，例如：120+48=168
* 当像素值>255时，结果为对255取模的结果，例如：(255+64)%255=64
2.OpenCV加法运算
另一种方法是直接调用OpenCV库实现图像加法运算，方法如下：
目标图像 = cv2.add(图像1, 图像2)
此时结果是饱和运算，即：

* 当像素值<=255时，结果为“图像1+图像2”，例如：120+48=168
* 当像素值>255时，结果为255，例如：(255+64) = 255
两种方法对应的代码如下所示：
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt
#读取图片 img = cv2.imread('picture.bmp') test = img #方法一：Numpy加法运算 result1 = img +
test#方法二：OpenCV加法运算 result2 = cv2.add(img, test) #显示图像 cv2.imshow("original",
img) cv2.imshow("result1", result1) cv2.imshow("result2", result2) #等待显示 cv2.
waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示，其中result1为第一种方法，result2为第二种方法，白色点255更多。

注意：参与运算的图像大小和类型必须一致。下面是对彩色图像进行加法运算的结果。

<>二.图像融合

图像融合通常是指将2张或2张以上的图像信息融合到1张图像上，融合的图像含有更多的信息，能够更方便人们观察或计算机处理。如下图所示，将两张不清晰的图像融合得到更清晰的图。

图像融合是在图像加法的基础上增加了系数和亮度调节量。

* 图像加法：目标图像 = 图像1 + 图像2
* 图像融合：目标图像 = 图像1 * 系数1 + 图像2 * 系数2 + 亮度调节量
主要调用的函数是addWeighted，方法如下：
dst = cv2.addWeighter(scr1, alpha, src2, beta, gamma)
dst = src1 * alpha + src2 * beta + gamma
其中参数gamma不能省略。
代码如下：
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt
#读取图片 src1 = cv2.imread('test22.jpg') src2 = cv2.imread('picture.bmp') #图像融合
result= cv2.addWeighted(src1, 1, src2, 1, 0) #显示图像 cv2.imshow("src1", src1) cv2.
imshow("src2", src2) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.
destroyAllWindows()
需要注意的是，两张融合的图像像素大小需要一致，如下图所示，将两张RGB且像素410*410的图像融合。

设置不同的比例的融合如下所示：
result = cv2.addWeighted(src1, 0.6, src2, 0.8, 10)

<>三.图像类型转换

图像类型转换是指将一种类型转换为另一种类型，比如彩色图像转换为灰度图像、BGR图像转换为RGB图像。OPenCV提供了200多种不同类型之间的转换，其中最常用的包括3类，如下：

* cv2.COLOR_BGR2GRAY
* cv2.COLOR_BGR2RGB
* cv2.COLOR_GRAY2BGR
代码如下所示：
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt
#读取图片 src = cv2.imread('01.bmp') #图像类型转换 result = cv2.cvtColor(src, cv2.
COLOR_BGR2GRAY) #显示图像 cv2.imshow("src", src) cv2.imshow("result", result) #等待显示
cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示：

如果使用通道转化，则结果如下图所示：
result = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)

图像处理通常需要将彩色图像转换为灰度图像再进行后续的操作，更多知识后续将继续分享，希望对着喜欢，尤其是做图像识别、图像处理的同学。

希望文章对大家有所帮助，如果有错误或不足之处，还请海涵。九月份准备出去休婚假了，好好和她享受最幸福的时光，不被工作所烦扰，但每当自己写完一篇文章或解答一个问题，这种分享知识的快感，真的让我着迷，这就是知识的魅力，老师的快乐吧！
（By：Eastmount 2018-09-03 下午14点 https://blog.csdn.net/Eastmount/）
<https://blog.csdn.net/Eastmount/%EF%BC%89>

热门工具换一换