我們知道2個矩陣是可以執行加法運算的，那2個圖像能不能相加呢？當然是可以的。前面提到，圖像就是函數，函數可以相加，圖像當然也可以相加。

我們知道2個矩陣相加必須是同一維度的，即行列相同，圖像當然也一樣，即寬度和高度相同。

我們看下面2副圖像：

import cv2 boats = cv2.imread("boats.bmp", 0) goldhill = cv2.imread("goldhill.bmp", 0) print(boats.shape) print(goldhill.shape)

輸出結果：

(576, 720) (576, 720)

可以看出，這2副圖像的寬度和高度分別是720和576，大小是一致的。2個圖像相加就是2個矩陣相加。

unite = boats + goldhill cv2.imshow("unite", unite) cv2.waitKey()

輸出結果：

不怎么樣嘛！白塊，黑塊怎么那么多！有的地方變白了，有的地方變黑了。what’s wrong?

我們知道，圖像的強度取值區間是[0, 255]，opencv的圖像類型是uint8類型。而numpy的矩陣加法是一種模（mod）操作，即200+60=260 % 256 = 4，所以該亮的地方反而暗淡了。

opencv自帶有圖像加法操作運算函數：add(x, y)。add使用的是飽和操作，即200+60=260->255。所以使用opencv自帶的add()函數效果會更好。

另外，2副圖像相加，我們實際上需要的2副圖像相對位置強度的平均值，因此在相加前，需要各除以2，然后再相加（注意要整除）。

unite = cv2.add(boats // 2 , goldhill // 2) cv2.imshow("unite", unite) cv2.waitKey()

我們知道，除以2和乘以0.5是等價的。乘以0.5是一個數乘運算，也就是說，圖像自身還可以進行這種運算（注意乘以浮點數后矩陣類型發生了改變，而opencv的圖像矩陣必須轉換成為uint8類型才能正常顯示）。

boats20 = 0.2 * boats boats20 = boats20.astype("uint8") cv2.imshow("boats20", boats20) cv2.waitKey()

輸出結果：

可以看到，整體效果暗淡了很多。因為所有的像素點的值都乘以了0.2，強度變成了原來的20%。如果乘的數值小于1，圖像整體就變暗，如果乘的數值大于1，整體就變亮。

這給了我們混合2張圖像的一種比率調和方法，例如最前面2張圖，我們想要看到更多的船（注意為確保2張圖像的混合值小于255，系數之和應保持等于1）。

unite = 0.75 * boats + 0.25 * goldhill unite = unite.astype("uint8") cv2.imshow("unite", unite) cv2.waitKey()

當然，opencv已經為我們準備好了函數addWeighted
()。代碼如下，效果是一樣的。

unite = cv2.addWeighted(boats, 0.75, goldhill, 0.25, 0) cv2.imshow("unite", unite) cv2.waitKey()

那么：圖像為什么要相加呢？為了混合(blend)2張圖像。

實質上，圖像相加還有一個用途：降噪。同一場景的不同時間采集圖像通過相加平均后去除噪聲，這個后面再講。

總結

以上是生活随笔為你收集整理的图像为什么能相加的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。