今天我们来记录下opencv的图像的混合效果，也是更加理解图片如何处理的。
目录
图片资源准备：
图片混合的原理：
代码部分：
结果图：
图片资源准备：
首先我们先准备了两张图片：
图片混合的原理：
我们知道图片存储的是矩阵，你可以理解成编程中的二维数组，比如上面的图片是RGB图片，R 为红，G为绿，B为蓝
每个 R 、G、 B 都是 uchar类型，数据量都是为0~255，在图片中位置是 数据 是 B G R的存储顺序。懂数据存储都能明白
这个原理，这里不再细讲了。RGB三个uchar组合成了一个图片的一个像素。注意：这里是RGB图片，还有黑白，等其它图
片存储的是不同的，有兴趣的同学们可以查阅相关资料
先说明一下，这两张图的大小是一样的，因为要 进行矩阵数据的操作！ 啥，你说你不会矩阵的操作，去看看线性代数，
或者高等代数，以后别再说学数学没什么用了！
公式：
其中 α 取值 [0,1], 这里是0到1，别学编程时间长了，就认为是0 ，1.（乱棍打死）， 给g(x) 为新的矩阵，f0 , f1
分别两个图片的存储的数据量。通过一个线性变化装换成一个新的矩阵。
opencv 中提供了一个函数：
代码部分：
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43// opencv00005.cpp : 定义控制台应用程序的入口点。 // #include <opencv2/opencv.hpp> #include <opencv2/highgui.hpp> #include <opencv2/imgproc.hpp> #include <iostream> using namespace std; using namespace cv; int main() { double alpha = 0.5; //α系数 double beta; // β系数 double input; //分别存储三个图片矩阵数据，dst存储的是两张图片的混合结果 Mat src1, src2, dst; cout << " Simple Linear Blender " << endl; cout << "-----------------------" << endl; cout << "* Enter alpha [0-1]: "; cin >> input; if (input >=0 && input <= 1) { alpha = input; } src1 = imread("D:/images/3.jpg"); src2 = imread("D:/images/4.jpg"); if (src1.empty()) { cout << "Error loading src1" << endl; return -1; } if (src2.empty()) { cout << "Error loading src2" << endl; return -1; } beta = 1 - alpha; addWeighted(src1, alpha, src2, beta, 0.0, dst); //图片合成的 namedWindow("out put", CV_WINDOW_AUTOSIZE); imshow("out put", dst); waitKey(0); return 0; }
结果图：
这样就完成了两个图片的合成。
小伙伴们理解了吗，咱们可以让图片矩阵乘上一个系数[0,1 ]的范围，看看图片是什么效果。
复制代码
1
2
3
4Mat stt; stt = src1 * 0.3; namedWindow("new pic", CV_WINDOW_AUTOSIZE); imshow("new pic", stt);
小伙伴们，现在是不是更好理解图片的基本操做了，哈哈哈，喜欢本文章的记得点个赞，大家一起来快乐的学习。
最后
以上就是危机樱桃最近收集整理的关于opencv第5课图像的合并的全部内容，更多相关opencv第5课图像内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复