初级图像混合
理论——线性混合操作
-
g(x) = (1-α)f<small><small><small>0</small></small></small>(x) + αf<small><small><small>1</small></small></small>(x)
其中α取值范围为0~1之间。
addWeighted函数
这个函数的作用是，计算两个数组（图像阵列）的加权和。原型如下：
void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1);
- 第一个参数，InputArray类型的src1，表示需要加权的第一个数组，常常填一个Mat对象。
- 第二个参数，alpha，表示第一个数组的权重值，0~1之间。
- 第三个参数，src2，表示第二个数组，它需要和第一个数组拥有相同的尺寸和通道数。
- 第四个参数，beta，表示第二个数组的权重值，一般为1-alpha。
- 第五个参数，gamma，一个加到权重总和上的标量值。看下面的式子自然会理解。
- 第六个参数，dst，输出的数组，它和输入的两个数组拥有相同的尺寸和通道数。
- 第七个参数，dtype，输出阵列的可选深度，有默认值-1；当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth()。
如果用数学公式来表达，addWeighted函数计算如下两个数组（src1和src2）的加权和，得到结果输出给第四个参数。即addWeighted函数的作用可以被表示为为如下的矩阵表达式为：
dst = src1[I]*alpha + src2[I]*beta + gamma;
示例代码：
#include <iostream>
#include <opencv2/opencv.hpp>
#include <math.h>
using namespace cv;
using namespace std;
int main(int argc, const char * argv[]) {
//加载原图像 (必须两张相同的尺寸和通道数的图片)
Mat src1, src2, dst, addResult, multiplyResult;
src1 = imread("/Users/Longxia/Downloads/IMG_0590.PNG", IMREAD_COLOR);
src2 = imread("/Users/Longxia/Downloads/IMG_0589.PNG", IMREAD_COLOR);
if (src1.empty()) {
cout << "could not load src1 image" << endl;
return -1;
}
if (!src2.data) {
cout << "could not load src2 image" << endl;
return -1;
}
double alpha = 0.5;
if (src1.rows == src2.rows && src1.cols == src2.cols && src1.type() == src2.type()) {
add(src1, src2, addResult); // 很生硬的相加
multiply(src1, src2, multiplyResult); // 相乘
addWeighted(src1, alpha, src2, 1-alpha, 0, dst);
imshow("addResult", addResult); //显示相加的图像
imshow("multiplyResult", multiplyResult); //显示相乘的图像
imshow("addWeighted", dst); //addweighted函数所得图像
}
else{
cout << "src1 is not same as src2" << endl;
}
waitKey(0);
return 0;
}
调整图像亮度与对比度
图像变换可以看做如下：
像素变换——点操作
领域操作——区域
调整图像亮度和对比度属于像素变换——点操作
- g(i,j) = αf(i,j) + β，其中α>0，β是增益变量
示例代码：
#include <iostream>
#include <opencv2/opencv.hpp>
#include <math.h>
using namespace cv;
using namespace std;
int main(int argc, const char * argv[]) {
//加载原图
Mat src, dst;
src = imread("/Users/Longxia/Downloads/psb.jpeg", IMREAD_COLOR);
if (src.empty()) {
cout << "could not load src image" << endl;
return -1;
}
// cvtColor(src, src, CV_RGB2GRAY); //三通道转变成单通道图片
imshow("src", src);
int height = src.rows;
int width = src.cols;
dst = Mat::zeros(src.size(), src.type());
float alpha = 1.2; //对比度
float beta = 100; //亮度
// 变成float就可以Vec3f读取bgr值
Mat m1;
src.convertTo(m1, CV_32F);
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
if (src.channels() == 3) {
float b = src.at<Vec3b>(row, col)[0];
float g = src.at<Vec3b>(row, col)[1];
float r = src.at<Vec3b>(row, col)[2];
// float b = m1.at<Vec3f>(row, col)[0];
// float g = m1.at<Vec3f>(row, col)[1];
// float r = m1.at<Vec3f>(row, col)[2];
// 增加亮度、对比度后的图片
dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(b*alpha + beta);
dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(g*alpha + beta);
dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(r*alpha + beta);
}
else if (src.channels() == 1){
float v = src.at<uchar>(row, col);
dst.at<uchar>(row, col) = saturate_cast<uchar>(v*alpha + beta);
}
}
}
char output_title[] = "contrast and brightness Demo";
imshow(output_title, dst);
waitKey(0);
return 0;
}
若图片大小不一样，示例代码如下：
#include <iostream>
#include <opencv2/opencv.hpp>
#include <math.h>
using namespace cv;
using namespace std;
int main(int argc, const char * argv[]) {
Mat src1, src2;
src1 = imread("/Users/Longxia/Downloads/IMG_0590.PNG", IMREAD_COLOR);
src2 = imread("/Users/Longxia/Downloads/asdf.jpeg", IMREAD_COLOR);
if (src1.empty()) {
cout << "could not load src1 image" << endl;
return -1;
}
if (!src2.data) {
cout << "could not load src2 image" << endl;
return -1;
}
Mat imageROI=src1(Rect(20,20,src2.cols,src2.rows));
double alpha = 0.5;
addWeighted(imageROI, alpha, src2, 1-alpha, 0, imageROI);
imshow("src1", src1);
waitKey(0);
return 0;
}
