使用 OpenCV 新增（混合）兩張影像

目錄

• 目標
• 理論
• 原始碼
• 解釋
• 結果

上一個教程： 影像操作
下一個教程： 改變影像的對比度和亮度！

原始作者	Ana Huamán
相容性	OpenCV >= 3.0

我們將學習如何混合兩張影像！

目標

在本教程中，您將學習

• 什麼是線性混合以及它的用途；
• 如何使用 addWeighted() 新增兩張影像

理論

注意

以下解釋來自 Richard Szeliski 的 Computer Vision: Algorithms and Applications 這本書

從我們之前的教程中，我們已經瞭解了一些畫素運算子。一個有趣的二元（雙輸入）運算子是線性混合運算子

\[g(x) = (1 - \alpha)f_{0}(x) + \alpha f_{1}(x)\]

透過將 \(\alpha\) 從 \(0 \rightarrow 1\) 變化，這個運算子可以用於在兩個影像或影片之間執行時間上的交叉溶解，就像在幻燈片和電影製作中看到的那樣（很酷，不是嗎？）

原始碼

C++

從 這裡 下載原始碼。

 
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
 
using namespace cv;
 
// 我們在這裡不 "using namespace std;"，以避免 beta 變數與 c++17 中的 std::beta 發生衝突
using std::cin;
using std::cout;
using std::endl;
 
int main( void )
{
   double alpha = 0.5; double beta; double input;
 
   Mat src1, src2, dst;
 
cout << " 簡單的線性混合器 " << endl;
cout << "-----------------------" << endl;
cout << "* 輸入 alpha [0.0-1.0]: ";
cin >> input;
 
   // 如果使用者提供的 alpha 值在 0 和 1 之間，我們則使用它
   if( input >= 0 && input <= 1 )
{ alpha = input; }
 
src1 = imread( samples::findFile("LinuxLogo.jpg") );
src2 = imread( samples::findFile("WindowsLogo.jpg") );
 
   if( src1.empty() ) { cout << "載入 src1 時出錯" << endl; return EXIT_FAILURE; }
   if( src2.empty() ) { cout << "載入 src2 時出錯" << endl; return EXIT_FAILURE; }
 
beta = ( 1.0 - alpha );
addWeighted( src1, alpha, src2, beta, 0.0, dst);
 
imshow( "線性混合", dst );
waitKey(0);
 
   return 0;
}

Java

從 這裡 下載原始碼。

import org.opencv.core.*;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
 
import java.util.Locale;
import java.util.Scanner;
 
class AddingImagesRun{
    public void run() {
        double alpha = 0.5; double beta; double input;
 
Mat src1, src2, dst = new Mat();
 
System.out.println(" 簡單的線性混合器 ");
System.out.println("-----------------------");
System.out.println("* 輸入 alpha [0.0-1.0]: ");
Scanner scan = new Scanner( System.in ).useLocale(Locale.US);
input = scan.nextDouble();
 
        if( input >= 0.0 && input <= 1.0 )
alpha = input;
 
src1 = Imgcodecs.imread("../../images/LinuxLogo.jpg");
src2 = Imgcodecs.imread("../../images/WindowsLogo.jpg");
 
        if( src1.empty() == true ){ System.out.println("載入 src1 時出錯"); return;}
        if( src2.empty() == true ){ System.out.println("載入 src2 時出錯"); return;}
 
beta = ( 1.0 - alpha );
Core.addWeighted( src1, alpha, src2, beta, 0.0, dst);
 
HighGui.imshow("線性混合", dst);
HighGui.waitKey(0);
 
System.exit(0);
    }
}
 
public class AddingImages {
    public static void main(String[] args) {
        // 載入本地庫。
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        new AddingImagesRun().run();
    }
}

Python

從 這裡 下載原始碼。

from __future__ import print_function
 
import cv2 as cv
 
alpha = 0.5
 
try:
raw_input # Python 2
except NameError
raw_input = input # Python 3
 
print(''' 簡單的線性混合器
-----------------------
* 輸入 alpha [0.0-1.0]: ''')
input_alpha = float(raw_input().strip())
if 0 <= alpha <= 1
alpha = input_alpha
# [load]
src1 = cv.imread(cv.samples.findFile('LinuxLogo.jpg'))
src2 = cv.imread(cv.samples.findFile('WindowsLogo.jpg'))
# [load]
if src1 is None
print("載入 src1 時出錯")
exit(-1)
elif src2 is None
print("載入 src2 時出錯")
exit(-1)
# [blend_images]
beta = (1.0 - alpha)
dst = cv.addWeighted(src1, alpha, src2, beta, 0.0)
# [blend_images]
# [display]
cv.imshow('dst', dst)
cv.waitKey(0)
# [display]
cv.destroyAllWindows()

解釋

由於我們將要執行

\[g(x) = (1 - \alpha)f_{0}(x) + \alpha f_{1}(x)\]

我們需要兩個源影像（ \(f_{0}(x)\) 和 \(f_{1}(x)\)）。所以，我們以通常的方式載入它們

C++

src1 = imread( samples::findFile("LinuxLogo.jpg") );
src2 = imread( samples::findFile("WindowsLogo.jpg") );

Java

src1 = Imgcodecs.imread("../../images/LinuxLogo.jpg");
src2 = Imgcodecs.imread("../../images/WindowsLogo.jpg");

Python

src1 = cv.imread(cv.samples.findFile('LinuxLogo.jpg'))
src2 = cv.imread(cv.samples.findFile('WindowsLogo.jpg'))

我們使用了以下影像： LinuxLogo.jpg 和 WindowsLogo.jpg

警告

由於我們正在新增 src1 和 src2，它們都必須具有相同的大小（寬度和高度）和型別。

現在我們需要生成 g(x) 影像。為此，addWeighted() 函式非常方便

C++

beta = ( 1.0 - alpha );
   addWeighted( src1, alpha, src2, beta, 0.0, dst);

Java

beta = ( 1.0 - alpha );
Core.addWeighted( src1, alpha, src2, beta, 0.0, dst);

Python

beta = (1.0 - alpha)
dst = cv.addWeighted(src1, alpha, src2, beta, 0.0)

上述行的 Numpy 版本（但 cv 函式的速度快大約 2 倍）

dst = np.uint8(alpha*(img1)+beta*(img2))

因為 addWeighted() 產生

\[dst = \alpha \cdot src1 + \beta \cdot src2 + \gamma\]

在這種情況下，gamma 是上面程式碼中的引數 \(0.0\)。

建立視窗，顯示影像並等待使用者結束程式。

C++

   imshow( "線性混合", dst );
   waitKey(0);

Java

HighGui.imshow("線性混合", dst);
HighGui.waitKey(0);

Python

cv.imshow('dst', dst)
cv.waitKey(0)

結果