学习目标：
学习图像上的算术运算,加法,减法,位运算等。
- 学习函数cv2.add(),cv2.addWeighted() 等。
一、图像的加法
你可以使用函数 cv2.add() 将两幅图像进行加法运算,当然也可以直接使用 numpy,res=img1+img。两幅图像的大小,类型必须一致,或者第二个图像可以是一个简单的标量值。注意:OpenCV 中的加法与 Numpy 的加法是有所不同的。OpenCV 的加法是一种饱和操作,而 Numpy 的加法是一种模操作。
x = np.uint8([250])y = np.uint8([10])print cv2.add(x,y) # 250+10 = 260 => 255[[255]]print x+y[4]# 250+10 = 260 % 256 = 4
即对于opencv来说，当像素值大于255时，他会饱和，使值取最大。对于numpy来说，当像素值大于255时，他会取模，令当前像素值取模255。故OpenCV 的结果会更好一点，所以我们尽量使用 OpenCV 中的函数。
import numpy as npimport cv2img = cv2.imread('/home/wl/ng.png')img1 = cv2.imread('/home/wl/le.jpeg')res = cv2.resize(img,(600,500),interpolation=cv2.INTER_CUBIC)res1 = cv2.resize(img1,(600,500),interpolation=cv2.INTER_CUBIC)dst = cv2.add(res,res1)cv2.imshow('opencv',dst)cv2.imwrite('/home/wl/1.jpg',img)cv2.waitKey(0)cv2.destroyAllWindows() 
二、图像的混合
这其实也是加法,但是不同的是两幅图像的权重不同,这就会给人一种混合或者透明的感觉。通过修改 α 的值(0 → 1),可以实现非常酷的混合。图像混合的计算公式如下:
g (x) = (1 − α) f 0 (x) + αf 1 (x)
import numpy as npimport cv2img = cv2.imread('/home/wl/ng.png')img1 = cv2.imread('/home/wl/le.jpeg')res = cv2.resize(img,(600,500),interpolation=cv2.INTER_CUBIC)res1 = cv2.resize(img1,(600,500),interpolation=cv2.INTER_CUBIC)dst = cv2.addWeighted(res,0.7,res1,0.3,0)cv2.imshow('opencv',dst)cv2.imwrite('/home/wl/1.jpg',dst)cv2.waitKey(0)cv2.destroyAllWindows() - cv2.addWeighted()有五个参数，第一个和第二个参数分别是第一副图及其混合比例，第三个和第四个参数分别是第二副图及其混合比例，第五个参数取常数0。
三、结合上一篇博客实现下面要求
创建一个幻灯片用来演示一幅图如何平滑的转换成另一幅图import numpy as npimport cv2def nothing(x): passimg = np.zeros((600,500),np.uint8)cv2.namedWindow('image')cv2.createTrackbar('weight','image',0,100,nothing)img0 = cv2.imread('/home/wl/ng.png')img1 = cv2.imread('/home/wl/le.jpeg')res = cv2.resize(img0,(600,500),interpolation=cv2.INTER_CUBIC)res1 = cv2.resize(img1,(600,500),interpolation=cv2.INTER_CUBIC)while(1): cv2.imshow('image', img) k = cv2.waitKey(1) & 0xFF if k == ord('q'): break r = cv2.getTrackbarPos('weight', 'image') r = float(r)/100.0 img = cv2.addWeighted(res,r,res1,1-r,0)cv2.imwrite('/home/wl/1.jpg',img)cv2.destroyAllWindows() 
对于图像的按位运算，我将在后面博客介绍。