• opencv图像处理


    #coding=utf-8
    import cv2
    import numpy as np
    
    img1 = cv2.imread("3.jpg")
    img2 = cv2.imread("4.jpg")
    #图像大小不同不能合并,因此裁剪一下
    img1 = img1[0:180,0:180]
    img2 = img2[0:180,0:180]
    
    img = img1 + img2
    #这种图像加法与前面的一种不同之处在于,如果所加的和大于255,那就按255处理,所以看起来会白一些
    add = cv2.add(img1,img2)
    #带权值的加法
    weight = cv2.addWeighted(img1,0.6,img2,0.4,0)
    
    
    cv2.imshow('image',img)
    cv2.imshow('add',add)
    cv2.imshow('weight',weight)
    cv2.waitKey (0)
    cv2.destroyAllWindows()

    ——

    ——

    #coding=utf-8
    import cv2
    import numpy as np
    
    img1 = cv2.imread("0.jpg")
    img2 = cv2.imread("1.jpg")
    
    # img2 = img2[0:180,0:180]
    #在图一中找到和图二大小一样的那块区域
    rows,cols,channels = img2.shape
    roi = img1[0:rows,0:cols]
    #转换为灰度图像
    img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)
    #隔离图像上像素的边缘,仅与图像有关(即图像的白色区域剔除),下面函数将大于220像素的值置为0,小于的置为255
    ret,mask = cv2.threshold(img2gray,220,255,cv2.THRESH_BINARY_INV)
    #通过反转上面的图像创建掩码(因为不希望背景影响叠加)
    mask_inv = cv2.bitwise_not(mask)
    #使用位“与”运算来提取面具精确的边界
    #取ROI中与mask中不为零的值对应的像素的值,其让值为0
    img1_bg = cv2.bitwise_and(roi,roi,mask=mask_inv)
    #取roi中与mask_inv中不为零的值对应的像素的值,其他值为0
    img2_fg = cv2.bitwise_and(img2,img2,mask=mask)
    #重合图像
    dst = cv2.add(img1_bg,img2_fg)
    img1[0:rows,0:cols] = dst
    
    
    cv2.imshow('img2gry',img2gray)
    cv2.imshow('mask',mask)
    cv2.imshow('mask_inv',mask_inv)
    cv2.imshow('img1_bg',img1_bg)
    cv2.imshow('img2_fg',img2_fg)
    cv2.imshow('dst',dst)
    cv2.imshow('res',img1)
    
    
    cv2.waitKey (0)
    cv2.destroyAllWindows()

    原图:

    最终效果图:

    https://www.kancloud.cn/aollo/aolloopencv/263215

    http://blog.csdn.net/u011028345/article/details/77278467

  • 相关阅读:
    C语言(十八)综合
    C语言(十七)链表
    Redis使用
    fastdb 使用
    CentOS 7.3 安装Oracle 11gR2 64位
    VMWare 12 安装CentOS 7.3 和 Red Hat Enterprise Linux 7.3
    Python学习
    Debian的软件包管理工具命令 (dpkg,apt-get)详解
    Debian8安装Vim8
    VMware12下安装Debian8.5
  • 原文地址:https://www.cnblogs.com/cunyusup/p/8537154.html
Copyright © 2020-2023  润新知