当前位置: 首页 > news >正文

使用OpenCV实现两张图像融合在一起

简单介绍

图像融合技术是一种结合多个不同来源或不同传感器捕获的同一场景的图像数据,以生成一幅更全面、更高质量的单一图像的过程。这种技术广泛应用于遥感、医学影像分析、计算机视觉等多个领域。常见的图像融合技术包括基于像素级、特征级和决策级的融合方法,以及基于多尺度分解如图像金字塔的方法。

OpenCV + Python实现

OpenCV 中实现图像融合的一个常见方法是使用 addWeighted() 函数。这个函数可以用来对两张图像按照指定的权重进行线性组合,从而达到融合的效果。以下是一个基本的示例代码片段:

import cv2# 读取两张图像
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')# 确保两张图像具有相同的尺寸,如果不相同,可以先调整到同一尺寸
if img1.shape != img2.shape:# 调整图像大小img1_resized = cv2.resize(img1, img2.shape[:2][::-1], interpolation=cv2.INTER_LINEAR)img2_resized = img2
else:img1_resized = img1img2_resized = img2# 定义权重
alpha = 0.7 # 第一张图像的权重
beta = 0.3  # 第二张图像的权重
gamma = 0   # 常数值(可选,通常设为0)# 使用 addWeighted() 进行图像融合
blended_img = cv2.addWeighted(img1_resized, alpha, img2_resized, beta, gamma)# 显示或保存融合后的图像
cv2.imshow('Blended Image', blended_img)
cv2.waitKey(0)
cv2.destroyAllWindows()# 或者直接保存
cv2.imwrite('blended_image.jpg', blended_img)

在这个例子中,addWeighted() 函数接收五个参数:

  • src1(这里是 img1_resized):第一个输入图像矩阵。
  • alpha:第一个图像的权重,取值范围从0到1之间。
  • src2(这里是 img2_resized):第二个输入图像矩阵。
  • beta:第二个图像的权重。
  • gamma:常数,添加到权重和之后。

通过调整 alpha 和 beta 参数,你可以控制两张图像在融合结果中的相对强度或透明度。如果希望得到的是简单的加权平均效果,那么通常会将 gamma 设为0。如果需要做亮度调节或者其它非线性混合,可以根据实际情况调整这些参数。

OpenCV + C++实现

在C++中使用OpenCV实现图像融合的方式与Python类似,主要区别在于语法和API调用方式。以下是使用C++实现图像融合的示例代码:

#include <opencv2/opencv.hpp>int main() {// 读取两张图像cv::Mat img1 = cv::imread("image1.jpg");cv::Mat img2 = cv::imread("image2.jpg");// 检查图像是否成功读取if (img1.empty() || img2.empty()) {std::cout << "Error: Could not open or find the images!" << std::endl;return -1;}// 确保两张图像具有相同的尺寸,如果不相同,可以先调整到同一尺寸cv::Mat img1_resized, img2_resized;if (img1.size() != img2.size()) {cv::resize(img1, img1_resized, img2.size(), 0, 0, cv::INTER_LINEAR);img2_resized = img2.clone();} else {img1_resized = img1.clone();img2_resized = img2.clone();}// 定义权重double alpha = 0.7; // 第一张图像的权重double beta = 0.3;  // 第二张图像的权重double gamma = 0;   // 常数值(可选,通常设为0)// 使用 addWeighted() 进行图像融合cv::Mat blended_img;cv::addWeighted(img1_resized, alpha, img2_resized, beta, gamma, blended_img);// 显示或保存融合后的图像cv::imshow("Blended Image", blended_img);cv::waitKey(0);// 或者直接保存cv::imwrite("blended_image.jpg", blended_img);return 0;
}

请注意,在C++版本中,你需要包含必要的头文件,并且在显示图像后使用waitKey(0)来暂停程序执行,等待用户按键,然后关闭所有打开的窗口。同时,使用clone()函数复制图像以避免原始图像被修改。

效果展示

http://www.lryc.cn/news/318817.html

相关文章:

  • PyTorch学习笔记之基础函数篇(十)
  • kubernetes部署集群
  • 软件工程师,该偿还一下技术债了
  • HTML5、CSS3面试题(三)
  • pytorch之诗词生成6--eval
  • Django自定义中间件
  • 【JavaScript】JavaScript 运算符 ① ( 运算符分类 | 算术运算符 | 浮点数 的 算术运算 精度问题 )
  • 掘根宝典之C++迭代器简介
  • DP-力扣 120.三角形最小路径和
  • 【WEEK3】学习目标及总结【SpringMVC】【中文版】
  • peft模型微调--Prompt Tuning
  • 【算法训练营】周测1
  • PyTorch Dataset、DataLoader长度
  • 动态IP和静态IP
  • 中电金信:技术实践|Flink维度表关联方案解析
  • HQL 55 题【持续更新】
  • lqb省赛日志[8/37]-[搜索·DFS·BFS]
  • uni app 钓鱼小游戏
  • openssl3.2 - note - Decoders and Encoders with OpenSSL
  • 分享几个 Selenium 自动化常用操作
  • 【Python】【数据类型】List (列表) 的常见操作
  • 【C语言】病人信息管理系统
  • Java Spring Boot 接收时间格式的参数
  • 【C++】实现红黑树
  • 爬虫(六)
  • 最长连续序列 - LeetCode 热题 3
  • 运营模型—RFM 模型
  • YOLOv9|加入2023Gold YOLO中的GD机制!遥遥领先!
  • WRF模型运行教程(ububtu系统)--III.运行WRF模型(官网案例)
  • html和winform webBrowser控件交互并播放视频(包含转码)