[人工智能]基于 OpenCV 的图像融合

基于 OpenCV 的图像融合

1. 步骤1—图像导入
2. 步骤2—调整图像大小
3. 步骤3—融合图像
4. 步骤4—导出结果

import cv2

'''
图片读取
img = cv2.imread(filepath,flags)
参数：
    filepath：要读入图片的完整路径
    flags：读入图片的标志
cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道 
cv2.IMREAD_GRAYSCALE：读入灰度图片
cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括alpha通道
注意：cv2.imread()读进来直接是BGR，格式数据格式在0~255，不是我们最常见的RGB格式。
'''

步骤1 —图像导入

bg = cv2.imread('images/background.jpg', cv2.IMREAD_COLOR)
fg = cv2.imread('images/foreground.png', cv2.IMREAD_COLOR)

background.jpg

foreground.png

步骤2-调整图像大小

# 调整要混合的图像的大小。先调整图像大小，以确保它们的尺寸相同。
# 要使融合能够正常进行，需要使用相同的大小图像。否则，它将返回错误消息。
print(bg.shape)
print(fg.shape)
# 背景图像为682到1024像素。前景图像为576至1024像素。我们将使用OpenCV的调整大小功能调整它们的大小。

# cv2.resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None) —— 将原始图像调整为指定大小。
'''
scr：原始图像
dsize：输出图像的尺寸（元组方式）
dst：输出图像
fx：沿水平轴缩放的比例因子
fy：沿垂直轴缩放的比例因子
interpolation：插值方法，有5种插值方法
'''
dim = (1200, 800)
# cv2.INTER_AREA：使用像素区域关系进行重采样。
resized_bg = cv2.resize(bg, dim, interpolation=cv2.INTER_AREA)
resized_fg = cv2.resize(fg, dim, interpolation=cv2.INTER_AREA)
print(resized_bg.shape)
print(resized_bg.shape)

步骤3-融合图像

# 函数cv2.addWeighted()的主要功能就是将两幅图像合成为一幅图像
# 在对图像进行合成时，需要注意的一点是，图像的尺寸维度必须相同，才能使用此函数进行合成
# addWeighted函数，有5个参数，可以列出为：图像源1，src1权重，图像源2，src2权重，伽玛。每个图像的权重值必须小于1。
# 这是混合方程式: blend = (image scr1)*(src1 weight) + (image scr2)*(src2 weight) + gamma
# 我们给前景加了一些权重。这样，背景将更暗，文本将更亮。到目前为止一切顺利，混合完成。
blend = cv2.addWeighted(resized_bg, 0.5, resized_fg, 0.8, 0.0)

步骤4-导出结果

cv2.imwrite('images/blended.png', blend)

blend = cv2.imread('blended.png')
cv2.imshow('blend', blend)
cv2.waitKey(0)

blended.png

参考链接：
https://blog.csdn.net/qq_42722197/article/details/111189516

创作打卡挑战赛

赢取流量/现金/CSDN周边激励大奖