#coding=utf-8 import cv2 import numpy as npimg1 = cv2.imread("3.jpg") img2 = cv2.imread("4.jpg") #圖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 #這種圖像加法與前面的一種不同之處在于，如果所加的和大于255，那就按255處理，所以看起來會白一些 add = cv2.add(img1,img2) #帶權值的加法 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 npimg1 = cv2.imread("0.jpg") img2 = cv2.imread("1.jpg")# img2 = img2[0:180,0:180] #在圖一中找到和圖二大小一樣的那塊區域 rows,cols,channels = img2.shape roi = img1[0:rows,0:cols] #轉換為灰度圖像 img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY) #隔離圖像上像素的邊緣，僅與圖像有關（即圖像的白色區域剔除），下面函數將大于220像素的值置為0,小于的置為255 ret,mask = cv2.threshold(img2gray,220,255,cv2.THRESH_BINARY_INV) #通過反轉上面的圖像創建掩碼（因為不希望背景影響疊加） mask_inv = cv2.bitwise_not(mask) #使用位“與”運算來提取面具精確的邊界 #取ROI中與mask中不為零的值對應的像素的值，其讓值為0 img1_bg = cv2.bitwise_and(roi,roi,mask=mask_inv) #取roi中與mask_inv中不為零的值對應的像素的值，其他值為0 img2_fg = cv2.bitwise_and(img2,img2,mask=mask) #重合圖像 dst = cv2.add(img1_bg,img2_fg) img1[0:rows,0:cols] = dstcv2.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()

原圖：

最終效果圖：

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

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

?

轉載于:https://www.cnblogs.com/cunyusup/p/8537154.html

總結

以上是生活随笔為你收集整理的opencv图像处理的全部內容，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。