最近想对OpenCV进行系统学习，看到网上这份教程写得不错，于是跟着来学习实践一下。
【youcans@qq.com, youcans 的 OpenCV 例程, https://youcans.blog.csdn.net/article/details/125112487】
程序仓库：https://github.com/zstar1003/OpenCV-Learning

图像的加法运算

OpenCV的cv2.add()对两张相同大小和类型的图像进行加法运算，或对一张图像与一个标量进行加法运算。
下面这段程序比较了OpenCV 加法和Numpy直接相加的区别。
需要注意的是，常见RGB图像的颜色空间是8位，即RGB数值范围为0—255。cv2.add() 是饱和运算(相加后如大于255则结果为255)，而Numpy加法是模运算，即超出255之后，除以255的余数作为数值。

"""
图像的加法运算
"""
import cv2
import matplotlib.pyplot as plt

img1 = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)
img2 = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)

imgAddCV = cv2.add(img1, img2)  # OpenCV 加法: 饱和运算
imgAddNP = img1 + img2  # Numpy 加法: 模运算

plt.subplot(221), plt.title("1. img1"), plt.axis('off')
plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB))  # 显示 img1(RGB)
plt.subplot(222), plt.title("2. img2"), plt.axis('off')
plt.imshow(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB))  # 显示 img2(RGB)
plt.subplot(223), plt.title("3. cv2.add(img1, img2)"), plt.axis('off')
plt.imshow(cv2.cvtColor(imgAddCV, cv2.COLOR_BGR2RGB))  # 显示 imgAddCV(RGB)
plt.subplot(224), plt.title("4. img1 + img2"), plt.axis('off')
plt.imshow(cv2.cvtColor(imgAddNP, cv2.COLOR_BGR2RGB))  # 显示 imgAddNP(RGB)
plt.savefig("result3.png")
plt.show()

运行效果：

可以看到使用cv2.add之后，所得的图片明显发白，这是因为叠加之后很多像素点取到了255，因此会显示成白色。

图像的叠加

图像加权叠加函数：

cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) → dst

dst = src1 * alpha + src2 * beta + gamma

参数说明：

• scr1, scr2：ndarray 多维数组，表示一个灰度或彩色图像
• alpha：第一张图像 scr1 的权重，通常取为 0～1 之间的浮点数
• beta：第二张图像 scr2 的权重，通常取为 0～1 之间的浮点数
• gamma： 灰度系数，图像校正的偏移量，用于调节亮度
• dtype 输出图像的深度，即每个像素值的位数，可选项，默认等于 src1.depth()
• 返回值：dst，加权加法运算结果的图像数组

示例代码：

"""
不同尺寸图叠加
"""
import cv2
import numpy as np

imgL = cv2.imread("../img/img.jpg")  # 读取大图
imgS = cv2.imread("../img/img.jpg")  # 读取小图 (LOGO)
imgS = cv2.resize(imgS, (300, 300))

x, y = 300, 50  # 叠放位置
W1, H1 = imgL.shape[1::-1]  # 大图尺寸
W2, H2 = imgS.shape[1::-1]  # 小图尺寸
if (x + W2) > W1: x = W1 - W2  # 调整图像叠放位置，避免溢出
if (y + H2) > H1: y = H1 - H2

imgCrop = imgL[y:y + H2, x:x + W2]  # 裁剪大图，与小图 imgS 的大小相同
alpha, beta, gamma = 0.2, 0.8, 0.0  # 加法权值
imgAddW = cv2.addWeighted(imgCrop, alpha, imgS, beta, gamma)  # 加权加法，裁剪图与小图叠加
imgAddM = np.array(imgL)
imgAddM[y:y + H2, x:x + W2] = imgAddW  # 用叠加小图替换原图 imgL 的叠放位置

cv2.imshow("imgAddM", imgAddM)
cv2.waitKey(0)

效果：

图像的渐变切换

利用上面图像的加权叠加函数，可以动态调整权重，从而实现渐变动画效果。
示例代码：

"""
图像的渐变切换
"""
import cv2
import numpy as np

img1 = cv2.imread("../img/lena.jpg")
img2 = cv2.imread("../img/img.jpg")
wList = np.arange(0.0, 1.0, 0.05)  # start, end, step
for w in wList:
    imgAddW = cv2.addWeighted(img1, w, img2, (1 - w), 0)
    cv2.imshow("imgAddWeight", imgAddW)
    cv2.waitKey(100)

图像掩模

在PS中，有个蒙版的工具，和原图叠加之后，黑色的部分会被遮盖，白色的部分会显露。
OpcnCV的cv2.add函数中，同样预留了一个mask参数接口，可以实现类似的操作。

示例程序：

"""
图像掩模
"""
import cv2
import numpy as np

img1 = cv2.imread("../img/img.jpg")

Mask = np.zeros((img1.shape[0], img1.shape[1]), dtype=np.uint8)  # 返回与图像 img1 尺寸相同的全零数组
xmin, ymin, w, h = 180, 190, 200, 200  # 矩形裁剪区域 (ymin:ymin+h, xmin:xmin+w) 的位置参数
Mask[ymin:ymin + h, xmin:xmin + w] = 255  # 掩模图像，ROI 为白色，其它区域为黑色

imgAddMask = cv2.add(img1, np.zeros(np.shape(img1), dtype=np.uint8), mask=Mask)  # 提取 ROI

cv2.imshow("MaskImage", Mask)  # 显示掩模图像 Mask
cv2.imshow("MaskROI", imgAddMask)  # 显示从 img1 提取的 ROI
key = cv2.waitKey(0)  # 等待按键命令

效果：

圆形掩模

和上一节类似，掩模遮罩可以不是方形的，可以使用cv2.circle和cv2.ellipse来实现圆形和椭圆掩模。

示例代码：

"""
圆形掩模
"""
import cv2
import numpy as np

img1 = cv2.imread("../img/img.jpg")

Mask1 = np.zeros((img1.shape[0], img1.shape[1]), dtype=np.uint8)  # 返回与图像 img1 尺寸相同的全零数组
Mask2 = Mask1.copy()
cv2.circle(Mask1, (285, 285), 110, (255, 255, 255), -1)  # -1 表示实心
cv2.ellipse(Mask2, (285, 285), (100, 150), 0, 0, 360, 255, -1)  # -1 表示实心

imgAddMask1 = cv2.add(img1, np.zeros(np.shape(img1), dtype=np.uint8), mask=Mask1)  # 提取圆形 ROI
imgAddMask2 = cv2.add(img1, np.zeros(np.shape(img1), dtype=np.uint8), mask=Mask2)  # 提取椭圆 ROI

cv2.imshow("circularMask", Mask1)  # 显示掩模图像 Mask
cv2.imshow("circularROI", imgAddMask1)  # 显示掩模加法结果 imgAddMask1
cv2.imshow("ellipseROI", imgAddMask2)  # 显示掩模加法结果 imgAddMask2
key = cv2.waitKey(0)  # 等待按键命令

效果：

添加文字

添加英文

向图中添加文字可以使用cv2.putText()这个函数，不过需要注意的是这个函数不支持中文。

cv2.putText(img, text, pos, fontFace,fontScale,color[, thickness[, lineType[, bottomLeftOrigin]]]) → dst

参数说明：

• img：添加文本字符串的图像，ndarray 多维数组
• text：添加的文本字符串
• pos：文本字符串左下角坐标，如元组 (x=100, y=100)
• font：字体类型
• fontScale：字体缩放比例因子
• color：文本字符串的颜色，如元组 (255，0 ，0)
• thickness：线条粗细，单位为像素数
• lineType：线条类型
• bottomLeftOrigin：可选参数，默认值 True 表示数据原点位于左下角，False 表示位于左上角
• 返回值：dst，结果图像，ndarray 多维数组

示例程序：
这里有不同的字体，每种字体添加一遍。

"""
添加文字
"""
import cv2
import numpy as np

img1 = cv2.imread("../img/img.jpg")

text = "zstar"
fontList = [cv2.FONT_HERSHEY_SIMPLEX,
            cv2.FONT_HERSHEY_SIMPLEX,
            cv2.FONT_HERSHEY_PLAIN,
            cv2.FONT_HERSHEY_DUPLEX,
            cv2.FONT_HERSHEY_COMPLEX,
            cv2.FONT_HERSHEY_TRIPLEX,
            cv2.FONT_HERSHEY_COMPLEX_SMALL,
            cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,
            cv2.FONT_HERSHEY_SCRIPT_COMPLEX,
            cv2.FONT_ITALIC]
fontScale = 1  # 字体缩放比例
color = (0, 0, 0)  # 字体颜色
for i in range(10):
    pos = (10, 50 * (i + 1))
    imgPutText = cv2.putText(img1, text, pos, fontList[i], fontScale, color)

cv2.imshow("imgPutText", imgPutText)  # 显示叠加图像 imgAdd
key = cv2.waitKey(0)  # 等待按键命令

添加中文

OpenCV的cv2.putText()不支持中文，因此添加中文可以利用PIL中的drawPIL.text函数，注意添加中文，需要提前下载中文字体文件simhei.ttf。

示例程序：

"""
添加文字-中文
"""
import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont


imgBGR = cv2.imread("../img/img.jpg")
if (isinstance(imgBGR, np.ndarray)):  # 判断是否 OpenCV 图片类型
    imgPIL = Image.fromarray(cv2.cvtColor(imgBGR, cv2.COLOR_BGR2RGB))
text = "zstar, 中文字体"
pos = (100, 20)  # (left, top)，字符串左上角坐标
color = (0, 0, 0)  # 字体颜色
textSize = 40
drawPIL = ImageDraw.Draw(imgPIL)
fontText = ImageFont.truetype("Font/simhei.ttf", textSize, encoding="utf-8")
drawPIL.text(pos, text, color, font=fontText)
imgPutText = cv2.cvtColor(np.asarray(imgPIL), cv2.COLOR_RGB2BGR)

cv2.imshow("imgPutText", imgPutText)  # 显示叠加图像 imgAdd
key = cv2.waitKey(0)  # 等待按键命令

效果：

文章来源: zstar.blog.csdn.net，作者：zstar-_，版权归原作者所有，如需转载，请联系作者。

原文链接：zstar.blog.csdn.net/article/details/126334509