当前位置：首页 > news >正文

计算机视觉（opencv）实战三——图像运算、cv2.add()、cv2.addWeighted()

news 2025/8/15 5:52:02

图像运算详解：加法运算与加权运算

在数字图像处理中，图像运算是基础且常用的操作之一。它能够对两幅图像或图像与常数进行加减乘除，从而实现亮度调整、融合叠加、特效制作等功能。本文将重点介绍 OpenCV 中的图像加法运算与加权运算，包括它们的底层规则与区别。

先准备两张图片：

1. 图像加法运算

图像加法运算可以用两种方式实现：

直接使用 + 号运算符
使用 cv2.add() 函数

虽然它们的写法类似，但处理结果有差异。

`+` 号运算规则（NumPy 方式）

当使用 + 对两个图像的像素进行加法时，遵循 取模（mod 256）规则：

如果某个像素位置的两个值相加后 小于 255，则结果等于它们的和；
如果某个像素位置的两个值相加后 大于 255，结果会被截断，并对 256 取模，例如：
```
250 + 10 = 260   →   260 - 256 = 4即:260   →   4
```

代码示例：

import cv2a = cv2.imread('penguin.jpg')
c = a + 10  # 整体亮度+10
cv2.imshow('a+10', c)
cv2.waitKey(0)

特点：

会产生“回绕”现象（高亮区域变暗）。

结果：

2 `cv2.add()运算`

原理：

cv2.add() 是 OpenCV 提供的逐像素加法运算函数，用于将两幅图像或图像与常数进行加法处理。

在数学上，它实现的是：

当使用 cv2.add() 时，规则不同：

如果相加结果 小于 255，则直接为相加之和；
如果相加结果 大于 255，则直接 饱和为 255（不会回绕）。

主要特性

逐像素加法
- 对图像中每个像素点分别计算 src1_pixel + src2_pixel。
- 适用于单通道（灰度）和多通道（BGR、RGBA）图像。
饱和运算（Saturation Arithmetic）
- 如果加法结果大于 255，则直接设为 255。
- 不会出现 + 号运算那种 取模回绕 现象。
- 这保证了图像亮度不会出现意外变暗。
支持图像与常数相加
- 如果要整体调亮，可以加上一个常数矩阵，常数会广播到每个像素。

基本语法

dst = cv2.add(src1, src2, dtype=None, mask=None)

参数说明：

src1, src2
输入的两幅图像（大小、通道数必须一致），也可以是常数矩阵。
dtype
可选，输出图像的数据类型；若为 None 则和输入相同。
mask
可选掩膜，只在掩膜为非零的区域执行加法，其余区域保持原值。

代码示例：

d = a[0:500,500:1000]+b[0:500,0:500]
e = cv2.add(a[0:500,500:1000],b[0:500,0:500])  # 使用 cv2.add()
cv2.imshow('a+b',d)
cv2.imshow('add(a,b)',e)
cv2.waitKey(0)

切割：

[0:500, 500:1000]表示数组切片，选取图像的某个矩形区域。

0:500 → 高度方向（y 轴）：从第 0 行到第 499 行（共 500 行）
500:1000 → 宽度方向（x 轴）：从第 500 列到第 999 列（共 500 列）

结果：

解析：（[255,255,255]为白色）

a+b的结果图片像素数值会回绕

add(a,b)则会饱和到255

2. cv2.addWeighted()图像加权运算

有时我们需要将两幅图像按比例融合，而不是简单相加。这时就可以使用 加权和 公式：

α（alpha）：第一幅图像的权重
β（beta）：第二幅图像的权重
γ（gamma）：亮度偏移值（常数）

基本语法

dst = cv2.addWeighted(src1, alpha, src2, beta, gamma)

参数说明

参数	说明
`src1`	第一张输入图像（矩阵）
`alpha`	第一张图像的权重系数
`src2`	第二张输入图像（矩阵），大小、通道必须与 `src1` 相同
`beta`	第二张图像的权重系数
`gamma`	亮度调整常数，直接加到最终结果上

代码示例：

a = cv2.resize(a, (800, 600))
b = cv2.resize(b, (800, 600))# α = 0.6, β = 0.4, γ = 10
f = cv2.addWeighted(a, 0.6, b, 0.4, 10)
cv2.imshow('addWeighted', f)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果：

0.6 和 0.4 表示 a 图像占 60%，b 图像占 40%。
γ = 10 表示整体亮度提升 10。

3. 三种方式对比

方法	溢出处理方式	应用场景
`+`（NumPy）	取模（回绕）	特殊视觉效果、循环色彩变换
`cv2.add()`	饱和到 255	普通加法、避免溢出
`cv2.addWeighted()`	饱和到 255（带权重和亮度调节）	图像融合、透明度调整