图像的线性混合

目录

• 一 图像的线性混合
• 二 代码实现
• 三 实现效果

---

注：原创不易，转载请务必注明原作者和出处，感谢支持！

一 图像的线性混合

什么是图像的线性混合（linear blending）？

如下面的公式所示。所谓的图像线性混合是指对于输入的两张图像(I_0)和(I_1)，取它们相同位置处的像素值进行线性相加，然后将结果赋值给目标图像相同位置处的像素。其中参数(alpha)控制了两张图片在目标图像中的权重。

[g(x) = alpha I_0(x) + (1-alpha)I_1(x) ]

图像的线性混合有什么作用呢？在幻灯片翻页或者电影制作中，经常需要产生画面叠加的效果。在上式中，只要使得(alpha)从1逐渐减小到0即可产生从图像(I_0)过渡到图像(I_1)时的叠加效果了。

OpenCV中提供了一个用于两张图像线性混合的API。API所依据的计算公式如下：

[dst(I) = saturate\_cast(src1(I) * alpha + src2(I) * beta + gamma) ]

void cv::addWeighted(
	InputArray src1,		// 输入图像1
    double alpha,			// 图像1的权重
    InputArray src2,		// 输入图像2
    double beta,			// 图像2的权重
    double gamma,			// gamma值
    OutputArray dst,		// 输出图像
    int dtype = -1			
);

注意：用于线性混合的两张图像必须是同等大小和同等类型的！

---

二 代码实现

如果不使用OpenCV提供的API，仅依靠OpenCV提供的像素级访问功能，则图像的线性混合可以实现如下。

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main(int argc, char **argv)
{
	// load two images with the same size and type
	Mat windows = imread("D:\IMG\windows.jpg", IMREAD_COLOR);
	Mat linux = imread("D:\IMG\linux.jpg", IMREAD_COLOR);
	if (windows.empty() || linux.empty())
	{
		cout << "Error : could not load image." << endl;
		return -1;
	}
	imshow("input - windows", windows);
	imshow("input - linux", linux);

	// check if two images are with the same size and type
	if (windows.size() != linux.size() || windows.type() != linux.type())
	{
		cout << "Error : two input images do NOT match in size or type." << endl;
		return -1;
	}

	// parameters for linear blending
	double alpha = 0.5;
	double beta = 1 - alpha;
	double gamma = 0.0;

	Mat dst(windows.size(), windows.type());
	decltype(windows.rows) row, col;
	double output, b, g, r;
	int f1, f2, b1, b2, g1, g2, r1, r2;

	for (row = 0; row < windows.rows; ++row)
	{
		for (col = 0; col < windows.cols; ++col)
		{
			// single channel (gray image) or three channels (RGB image) only
			if (windows.channels() == 1)
			{
				f1 = windows.at<uchar>(row, col);
				f2 = linux.at<uchar>(row, col);
				output = f1 * alpha + f2 * beta + gamma;
				dst.at<uchar>(row, col) = saturate_cast<uchar>(output);
			}
			else if (windows.channels() == 3)
			{
				b1 = windows.at<Vec3b>(row, col)[0];
				b2 = linux.at<Vec3b>(row, col)[0];
				g1 = windows.at<Vec3b>(row, col)[1];
				g2 = linux.at<Vec3b>(row, col)[1];
				r1 = windows.at<Vec3b>(row, col)[2];
				r2 = linux.at<Vec3b>(row, col)[2];
				b = b1 * alpha + b2 * beta + gamma;
				g = g1 * alpha + g2 * beta + gamma;
				r = r1 * alpha + r2 * beta + gamma;
				
				dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(b);
				dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(g);
				dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(r);
			}
		}
	}
	imshow("output (alpha = 0.5)", dst);

	waitKey(0);
	return 0;
}

如果使用addWeighted()，则可以简单地实现如下

addWeighted(windows, alpha, linux, beta, 0, dst);
imshow("output (alpha = 0.9)", dst);

---

三 实现效果

(1) 两张原图

(2) 手写代码实现，(alpha)值分别为0.1、0.5、0.9

(3) 调用API实现，(alpha)值分别为0.1、0.5、0.9

可以看到，手写代码实现所呈现的效果和调用APIaddWeighted()的效果并没有明显的差异。但很可能的是自己手写的与API相比，性能会更差一点。