上一篇
Python OpenCV图像加法操作完全指南 | 图像处理基础教程
Python OpenCV图像加法操作完全指南
掌握OpenCV中的图像加法操作原理，了解add()函数与直接相加的区别，学习图像混合技术
图像加法在计算机视觉中的重要性
图像加法是计算机视觉中最基础的操作之一，常用于：
- 多帧图像叠加降噪
- 图像混合与合成
- 添加水印或logo
- 增强图像亮度
- 创建特殊视觉效果
- HDR图像生成
- 图像融合技术
- 特征增强
OpenCV中的两种加法方法对比
1. cv2.add() 函数
OpenCV的add()函数执行饱和运算（saturation operation）：
result = min(a + b, 255)
特点：
- 当像素值相加超过255时，结果取最大值255
- 避免图像过曝，保留细节
- OpenCV推荐的标准图像加法
2. 直接相加 (Numpy方式)
使用Numpy的加法运算符执行模运算（modulo operation）：
result = (a + b) % 256
特点：
- 当像素值相加超过255时，结果会回绕（wrap around）
- 可能导致图像出现不自然的明暗变化
- 通常不是图像处理的理想选择
Python OpenCV加法操作代码实现
完整示例代码
import cv2
import numpy as np
# 创建两个示例图像
image1 = np.zeros((400, 600, 3), dtype=np.uint8)
image1[:, :] = (50, 150, 200) # 蓝绿色背景
cv2.circle(image1, (200, 200), 100, (100, 200, 50), -1) # 绿色圆形
image2 = np.zeros((400, 600, 3), dtype=np.uint8)
image2[:, :] = (200, 100, 50) # 橙红色背景
cv2.rectangle(image2, (300, 100), (500, 300), (50, 100, 200), -1) # 蓝色矩形
# 使用OpenCV的add()函数
cv_add = cv2.add(image1, image2)
# 使用Numpy直接相加
np_add = image1 + image2
# 创建混合图像用于展示
top_row = np.hstack((image1, image2))
bottom_row = np.hstack((cv_add, np_add))
combined = np.vstack((top_row, bottom_row))
# 添加标注文本
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(combined, "原始图像1", (150, 40), font, 1, (255, 255, 255), 2)
cv2.putText(combined, "原始图像2", (750, 40), font, 1, (255, 255, 255), 2)
cv2.putText(combined, "cv2.add() - 饱和运算", (150, 440), font, 1, (255, 255, 255), 2)
cv2.putText(combined, "Numpy加法 - 模运算", (750, 440), font, 1, (255, 255, 255), 2)
# 显示结果
cv2.imshow('OpenCV加法 vs Numpy加法', combined)
cv2.waitKey(0)
cv2.destroyAllWindows()代码说明
- 创建示例图像：使用NumPy创建两个400x600的彩色图像
- cv2.add()：使用OpenCV的加法函数进行饱和运算
- 直接相加：使用NumPy的+运算符进行模256运算
- 结果展示：将原始图像和两种加法结果水平拼接后垂直拼接
- 标注文本：添加说明文字以便区分不同图像区域
实际应用场景
图像混合
使用加权加法实现图像混合：
blend = cv2.addWeighted(img1, 0.7, img2, 0.3, 0)
其中0.7和0.3是权重参数，0是gamma值
添加水印
将logo叠加到图像上：
# 创建ROI区域 roi = image[y:y+h, x:x+w] result = cv2.add(roi, logo) image[y:y+h, x:x+w] = result
多帧降噪
通过多张图像取平均减少噪声：
avg_image = np.zeros_like(images[0], dtype=np.float32)
for img in images:
avg_image += img.astype(np.float32) / len(images)
avg_image = avg_image.astype(np.uint8)
总结与最佳实践
在OpenCV中进行图像加法时：
- 优先使用cv2.add()：避免值溢出导致的图像异常
- 避免直接使用Numpy加法：除非明确需要模运算效果
- 图像混合使用addWeighted()：实现更自然的过渡效果
- 注意数据类型：确保图像是np.uint8类型
- 处理不同尺寸图像：先调整尺寸或使用ROI
掌握正确的加法操作是图像处理的基础，能避免许多常见问题，确保处理结果的准确性和视觉效果。
© 2023 Python OpenCV图像处理教程 | 提供实用的计算机视觉技术指南
本文由ZangLiQin于2025-07-26发表在吾爱品聚，如有疑问，请联系我们。
本文链接：https://www.521pj.cn/20256562.html
发表评论