欢迎来到另一个带有Python的OpenCV教程，在本教程中，我们将介绍一些可以在图像上执行的简单算术运算，并说明它们的作用。 为此，我们将需要开始使用两个大小相等的图像，然后再使用较小的图像和较大的图像。 首先，我将使用：
和
首先，让我们看看一个简单的加法会做什么：
import cv2
import numpy as np
# 800 x 500
img1 = cv2.imread('linuxidc.png')
img2 = cv2.imread('linuxidc.com.png')
add = img1+img2
cv2.imshow('www.linuxidc.com',add)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果：
您不太可能想要这种凌乱的添加。 OpenCV有一个“添加”方法，让我们看看它的作用，将以前的“添加”替换为：
add = cv2.add(img1,img2)
结果：
在这里也可能不是理想的选择。 我们可以看到很多图像非常“白”。 这是因为颜色是0-255，其中255是“全光”。 因此，例如：(155,211,79) + (50, 170, 200) = 205, 381, 279...转换为 (205, 255,255).
接下来，我们可以添加图像，并且可以说每个图像都带有不同的“权重”。 这可能是这样的：
import cv2 import numpy as np img1 = cv2.imread('linuxidc.png') img2 = cv2.imread('linuxidc.com.png') weighted = cv2.addWeighted(img1, 0.6, img2, 0.4, 0) cv2.imshow('weighted',weighted) cv2.waitKey(0) cv2.destroyAllWindows()
对于addWeighted方法，参数是第一个图像，权重，第二个图像，权重，最后是伽玛，它是光的度量。我们暂时将其保留为零。
结果：
这些是一些附加选项，但是如果您确实想将一个图像添加到另一个图像中，而最新图像与第一个图像重叠，该怎么办？在这种情况下，您将从最大的图像开始，然后添加较小的图像。为此，我们将使用相同的linuxidc.png图像，但使用一个新的Linux公社LOGO：
现在，我们可以使用此徽标，并将其放置在原始图像上。这将非常容易（基本上使用与上一教程中使用的相同的代码，其中我们用新代码替换了图像区域（ROI）），但是如果我们只想要LOGO部分而不是白色背景怎么办？ ？我们可以使用与以前用于ROI替换相同的原理，但是我们需要一种“去除”LOGO背景的方法，以使白色不会不必要地阻挡更多的背景图像。首先来看看完整的代码，然后说明：
import cv2 import numpy as np # Load two images img1 = cv2.imread('linuxidc.png') img2 = cv2.imread('linuxidclogo.png') # 我想把LOGO放在左上角，所以我创造一个ROI rows,cols,channels = img2.shape roi = img1[0:rows, 0:cols ] # 现在创建LOGO遮罩并创建其反遮罩 img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY) # 添加阈值 ret, mask = cv2.threshold(img2gray, 220, 255, cv2.THRESH_BINARY_INV) mask_inv = cv2.bitwise_not(mask) # 现在将ROI中LOGO的区域涂黑 img1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv) # 从LOGO图像中只提取LOGO的区域。 img2_fg = cv2.bitwise_and(img2,img2,mask = mask) dst = cv2.add(img1_bg,img2_fg) img1[0:rows, 0:cols ] = dst cv2.imshow('www.linuxidc.com',img1) cv2.waitKey(0) cv2.destroyAllWindows()
这里发生了不少事情，出现了一些新情况。我们看到的第一个新东西，是一个阈值的应用：ret, mask = cv2.threshold(img2gray, 220, 255, cv2.THRESH_BINARY_INV)。
我们将在下一篇教程中，我们将进一步介绍阈值，因此请继续关注，但是基本上它的工作方式是根据阈值将所有像素转换为黑色或白色。在本例中，阈值为220，但是我们可以使用其他值，甚至可以动态选择一个值，这就是ret变量的作用。接下来，我们看到：mask_inv = cv2.bitwise_not(mask)。这是一个按位操作。基本上，这些运算符与Python中的典型运算符非常相似，除了一个运算符外，我们在这里不会涉及它。在这种情况下，不可见部分就是黑色所在的位置。然后，可以说我们要在第一个图像中将该区域涂黑，然后取图2，把它的内容替换到那个空白处的内容。
结果：
在下一篇教程中，我们将更深入地讨论阈值设置。