【Opencv】图像融合addWeighted()函数示例和详解

本文通过原理和示例对addWeighted()函数进行详解,,并通过改变融合系数展示多个结果,帮助大家理解和使用。

目录

  • 函数原理
  • 示例
    • 权重(0.5,0.5)
    • 权重(0.8,0.2)
    • 权重(0.2,0.8)

函数原理

addWeighted()函数的功能是根据给定的权重,将两个图像加权融合到一个输出图像中。加权融合是将两个图像的像素值根据其对应的权重进行加权求和,然后再加上一个标量值。这个过程是元素级的,也就是说,每个像素都会单独进行加权求和。

函数原型:

addWeighted(src1, alpha, src2, beta, gamma, dst, dtype)

参数解释;

src1:输入图像1。
alpha:输入图像1的权重。
src2:输入图像2。
beta:输入图像2的权重。
gamma:添加到结果中的标量。
dst:输出图像,其大小和类型与输入相同。
dtype:输出数组的深度类型,当参数为负数时函数会根据参数dst自动计算类型。

示例

我们首先读取了两个图像img1和img2,然后设置融合阈值,通过改变融合阈值可以查看不同的融合结果。

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    // 读取两个图像
    Mat img1 = imread("image01.jpg");
    Mat img2 = imread("image02.jpg");

    // 使用addWeighted函数进行加权融合
    addWeighted(img1, 0.5, img2, 0.5, 1, img1);
    // 显示结果图像
    imshow("Result", img1); 
    //保存结果
    imwrite("result.jpg", img1);
    waitKey(0); 
    destroyAllWindows();
    return 0;
}

img1在这里插入图片描述
img2
在这里插入图片描述

权重(0.5,0.5)

img1和img2权重为0.5和0.5时融合结果:
在这里插入图片描述

权重(0.8,0.2)

img1和img2权重为0.8和0.2时融合结果:
在这里插入图片描述

权重(0.2,0.8)

img1和img2权重为0.2和0.8时融合结果:
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/137697.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

jupyter lab配置列表清单

❤️觉得内容不错的话&#xff0c;欢迎点赞收藏加关注&#x1f60a;&#x1f60a;&#x1f60a;&#xff0c;后续会继续输入更多优质内容❤️ &#x1f449;有问题欢迎大家加关注私戳或者评论&#xff08;包括但不限于NLP算法相关&#xff0c;linux学习相关&#xff0c;读研读博…

Leetcode_50:Pow(x,n)

题目描述&#xff1a; 实现 pow(x, n) &#xff0c;即计算 x 的整数 n 次幂函数。 示例 1&#xff1a; 输入&#xff1a;x 2.00000, n 10 输出&#xff1a;1024.00000示例 2&#xff1a; 输入&#xff1a;x 2.10000, n 3 输出&#xff1a;9.26100示例 3&#xff1a; 输入&…

【Linux】第十三站:进程状态

文章目录 一、进程状态1.运行状态2.阻塞状态3.挂起状态 二、具体Linux中的进程状态1.Linux中的状态2.R状态3.S状态4.D状态5.T、t状态6.X状态(dead)7.Z状态&#xff08;zombie&#xff09;8.僵尸进程总结9.孤儿进程总结 一、进程状态 在我们一般的操作系统学科中&#xff0c;它…

电子学会2023年9月青少年软件编程(图形化)等级考试试卷(四级)真题,含答案解析

青少年软件编程(图形化)等级考试试卷(四级) 一、单选题(共10题,共30分) 1. 角色为一个紫色圆圈,运行程序后,舞台上的图案是?( )

C++算法:包含三个字符串的最短字符串

涉及知识点 有序集合 字符串 题目 给你三个字符串 a &#xff0c;b 和 c &#xff0c; 你的任务是找到长度 最短 的字符串&#xff0c;且这三个字符串都是它的 子字符串 。 如果有多个这样的字符串&#xff0c;请你返回 字典序最小 的一个。 请你返回满足题目要求的字符串。…

RGMII回环:IDDR+ODDR+差分接口

目录 一、实验内容二、原理解释三、程序1、顶层文件&#xff1a;2、子模块2.1 oddr模块2.2、iddr顶层模块2.3、iddr子模块 3、仿真4、注意5、下载工程及仿真 一、实验内容 1、通过IDDR和ODDR的方式完成RGMII协议&#xff1b; 2、外部接口使用OBUFDS、IBUFDS转换成差分接口&…

2023/11/12总结

踩坑记录&#xff1a; org.springframework.jdbc.BadSqlGrammarException: ### Error querying database. Cause: java.sql.SQLSyntaxErrorException: Expression #1 of SELECT list is not in GROUP BY clause and contains nonaggregated column elm.flavors.id which is …

连通块中点的数量(并查集)

给定一个包含 n 个点&#xff08;编号为 1∼n&#xff09;的无向图&#xff0c;初始时图中没有边。 现在要进行 m 个操作&#xff0c;操作共有三种&#xff1a; C a b&#xff0c;在点 a 和点 b 之间连一条边&#xff0c;a 和 b 可能相等&#xff1b;Q1 a b&#xff0c;询问点…

TensorFlow学习笔记--(3)张量的常用运算函数

损失函数及求偏导 通过 tf.GradientTape 函数来指定损失函数的变量以及表达式 最后通过 gradient(%损失函数%,%偏导对象%) 来获取求偏导的结果 独热编码 给出一组特征值 来对图像进行分类 可以用独热编码 0的概率是第0种 1的概率是第1种 0的概率是第二种 tf.one_hot(%某标签…

木疙瘩踩坑日记-容易忽略的一些BUG

在一开始玩家务必很清楚这三个概念 图形&#xff1a;舞台上元素的最小单位。软件自带的以及外部导入的图片默认都是图形&#xff01;最朴素的元素&#xff01;可以添加预制动画、关键帧动画、进度动画&#xff08;软件自带的形状&#xff09; 元件&#xff1a;一个可以内部封…

阿里云国际站:全球加速GA

文章目录 一、前言 二、阿里云全球加速的概念 三、阿里云全球加速的功能优势 四、阿里云全球加速的原理 五、阿里云全球加速的应用场景 六、写在最后 一、前言 随着互联网的快速发展&#xff0c;网站速度已经成为了用户访问体验的一个重要指标。阿里云加速作为一种新的技…

Web开发:一键复制到剪切板功能实现思路

在很多网页页面中我们都使用到过一键复制内容到剪切板的小功能&#xff0c;那么&#xff0c;具体如何实现呢&#xff1f;下面来讲述基于原生JavaScript API的两种实现思路。 同步方式&#xff1a;document.execCommand 这种方式&#xff1a; ①优点&#xff1a;是最传统的方法…

把字符串转换为整数函数atoi

今天我们来认识一个函数&#xff0c;叫atoi&#xff0c;我们开始研究它吧&#xff01; 1.认识atoi 1.函数功能&#xff1a;将字符串转换为整数 只能将整数字符串转换为整数&#xff0c;不能转换字符字符串 2.头文件&#xff1a;#include<stdlib.h> 3.使用格式&#xff1a…

文件上传 [ACTF2020 新生赛]Upload1

打开题目&#xff0c;发现是一道文件上传题目 随便上传个一句话木马上去 发现网站前端有白名单限制&#xff0c;只能上传含有jpg&#xff0c;png&#xff0c;gif的后缀文件 最开始我想到的做法是先上传htaccess文件&#xff0c;bp修改文件头&#xff0c;上传成功后然后再上传以…

数据结构与算法(二)动态规划(Java)

目录 一、简介1.1 什么是动态规划&#xff1f;1.2 动态规划的两种形式1&#xff09;自顶向下的备忘录法&#xff08;记忆化搜索法&#xff09;2&#xff09;自底向上的动态规划3&#xff09;两种方法对比 1.3 动态规划的 3 大步骤 二、小试牛刀&#xff1a;钢条切割2.1 题目描述…

Linux系统上64位ATT风格汇编语言计算乘方堆栈图分析(只有一层调用)

参考博文&#xff1a;《怎样深入理解堆和栈》 《关于寻址方式一篇就够了》 《堆栈、栈帧、函数调用过程》 《gdb 调试中-i frame命令之堆栈信息说明》 《【TARS】GDB 调试进阶「0x02」》 栈与栈帧的关系 一个程序在运行过程中&#xff0c;操作系统会在内存中分配多个区域给这…

设计模式-工厂方法

工厂方法是一种创建型设计模式&#xff0c;其在父类中提供一个创建对象的方法&#xff0c;允许子类决定实例化对象的类型。 问题 假设你开设了一个汽车工厂。创业初期工厂只能生产宝马这一款车&#xff0c;因此大部分代码都位于名为宝马的类中。 工厂效益非常好&#xff0c;为…

牛客刷题记录11.12 (10/6)

操作复杂度 map vector set deque 抽线类 C11 :两个新特性 &#xff1a; override, finnal override:子类必须覆写父类的虚函数&#xff0c;否则报错&#xff0c; finnal:类中函数使用后&#xff0c;子类不能重写该函数&#xff1b;若修饰类&#xff0c;该类不能被继承&#…

生成只需要4step,像lora一样使用LCM

SDXL in 4 steps with Latent Consistency LoRAs 在comfyui里实测LCM lora 原先需要20步一张图&#xff0c;现在20步&#xff0c;4张图。comfyui最新版新增了lcm采样器&#xff0c;支持lcm lora的工作流。 LCM lora模型下载&#xff1a; huggingface.co/latent-consistency/lcm…

BGP属性实验

一、实验拓扑 二、实验要求 按照图示配置IP地址以及在路由器上配置BGP&#xff0c;使其全网通 1、配置IP地址 2、配置AS 200内的OSPF [AR2]ospf 1 router-id 2.2.2.2 [AR2-ospf-1]a 0 [AR2-ospf-1-area-0.0.0.0]network 2.2.2.2 0.0.0.0 [AR2-ospf-1-area-0.0.0.0]network 1…