OpenCV官网文档（核心操作）——图像上的算术运算

https://docs.opencv.org/4.2.0/d0/d86/tutorial_py_image_arithmetics.html

目标

学习图像的几种算术运算，例如加法，减法，按位运算等。
学习以下功能：cv.add()，cv.addWeighted（）等。

图像加法运算

您可以使用OpenCV函数cv.add（）来对两个图像进行加法运算，也可以仅通过numpy的操作 res = img1 + img2 。两个图像应具有相同的深度和类型，或者第二个图像可以只是一个标量值。

注意
OpenCV加法和Numpy加法之间有区别。OpenCV加法是饱和运算，而Numpy加法是模运算。

例如，考虑以下示例：

>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y )          # 250+10 = 260 % 256 = 4
[4]

当两个图像做加法时，这将更加明显。坚持使用OpenCV功能，因为它们会提供更好的结果。

图像融合

这也是图像加法，但是对图像赋予不同的权重，以使其具有融合或透明的感觉。根据以下等式添加图像：
$g(x) = (1 - \alpha)f_{0}(x) + \alpha f_{1}(x)$

通过从 $0 \rightarrow 1$ 更改 $\alpha$ ，您可以在一个图像到另一个图像之间执行很酷的过渡。

在这里，我拍摄了两个图像，将它们融合在一起。第一幅图像的权重为0.7，第二幅图像的权重为0.3。cv.addWeighted()对图像应用以下公式：

$dst = \alpha \cdot img1 + \beta \cdot img2 + \gamma$

在这里， $\gamma$ 被视为零。

img1 = cv.imread('ml.png')
img2 = cv.imread('opencv-logo.png')
dst = cv.addWeighted(img1,0.7,img2,0.3,0)
cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()

查看以下结果：

image

按位运算

这包括按位AND，OR，NOT和XOR操作。在提取图像的任何部分（如我们将在下一章中看到），定义和使用非矩形ROI等方面，它们将非常有用。下面我们将看到一个如何更改图像特定区域的示例。。

我想将OpenCV徽标放在图像上方。如果添加两个图像，它将改变颜色。如果将它们混合，则会获得透明效果。但我希望它不透明。如果是矩形区域，则可以像上一章一样使用ROI。但是OpenCV徽标不是矩形。因此，您可以按如下所示进行按位操作：

# Load two images
img1 = cv.imread('messi5.jpg')
img2 = cv.imread('opencv-logo-white.png')
# I want to put logo on top-left corner, So I create a ROI
rows,cols,channels = img2.shape
roi = img1[0:rows, 0:cols]
# Now create a mask of logo and create its inverse mask also
img2gray = cv.cvtColor(img2,cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
mask_inv = cv.bitwise_not(mask)
# Now black-out the area of logo in ROI
img1_bg = cv.bitwise_and(roi,roi,mask = mask_inv)
# Take only region of logo from logo image.
img2_fg = cv.bitwise_and(img2,img2,mask = mask)
# Put logo in ROI and modify the main image
dst = cv.add(img1_bg,img2_fg)
img1[0:rows, 0:cols ] = dst
cv.imshow('res',img1)
cv.waitKey(0)
cv.destroyAllWindows()

请参阅下面的结果。左图显示了我们创建的mask。右图显示了最终结果。为了获得更多理解，请显示上述代码中的所有中间图像，尤其是img1_bg和img2_fg。