本章将学习如下内容：

• 学习图像上的几种算术运算，如加法、减法、位运算等。
• 介绍如下函数：cv2.add()、cv2.addWeighted()等。

图像相加

可以通过OpenCV函数cv2.add()或简单地通过numpy操作res=img1+img2 将两个图像相加。 两个图像的深度和类型应该相同，或者第二个图像只能是标量值。

OpenCV加法和Numpy加法对溢出情况处理方式存在差异。OpenCV加法是饱和运算，而Numpy加法是模运算。

OpenCV加法（cv2.add）是一种饱和运算（saturate arithmetic），即当两个数相加超过了数据类型的范围时，将结果截断到最大值或最小值处。例如，对于无符号8位整型数据类型（uint8），最大值为255，最小值为0。如果进行255+10的运算，OpenCV会将结果截断到255处。

Numpy加法（np.add）是一种模运算（modulo arithmetic），即当两个数相加超过了数据类型的范围时，将结果对数据类型的范围取模。例如，对于无符号8位整型数据类型（uint8），最大值为255，最小值为0。如果进行255+10的运算，Numpy会将结果对256取模，并返回265%256=9的结果。

因此，在使用OpenCV和Numpy进行图像加法时需要注意其不同的运算规则，避免出现数据溢出和计算错误的问题。如果需要进行饱和运算，可以选择使用OpenCV加法，而如果需要进行模运算，则应该使用Numpy加法。

例如以下示例：

当添加两张图片时，它会更明显。OpenCV函数将提供更好的结果。所以最好还是坚持使用OpenCV函数。

图像融合

这也是图像添加，但对图像赋予了不同的权重，使其给人一种混合或透明的感觉。图像按照以下方程式添加：

$$g(x) = (1 - \alpha)f_{0}(x) + \alpha f_{1}(x)$$

通过从 $0 \rightarrow 1$B 更改为 $\alpha$ , 可以在一个图像到另一个图像之间进行很酷的转换。

在这里把两张图像融合在一起。第一图像被赋予0.7的权重，第二图像被赋予0.3的权重， cv2.addWeighted()在图像上应用以下方程式：

$$dst = \alpha \cdot img1 + \beta \cdot img2 + \gamma$$

这里 $\gamma$ 取零。

检查下面的结果：

按位运算

这包括位AND、OR、NOT和XOR运算。在提取图像的任何部分（正如我们将在接下来的章节中看到的）、定义和处理非矩形ROI等时， 它们将非常实用。下面我们将看到一个如何更改图像特定区域的示例。

如想把OpenCV标志放在图像上方。如果添加两个图像，它将改变颜色。如果混合，则会得到透明的效果。 但希望它是不透明的。如果它是一个矩形区域，可以像上一章一样使用ROI。 但OpenCV的标志不是矩形的。因此，可以按如下方式进行位操作：

加载两张图像。

我想把 logo 放在左上角，所以创建了一个 ROI（感兴趣区域）。

生成 logo 的掩膜及其反向掩膜。

对 ROI 内的 logo 区域进行黑化处理。

截取 logo 图像中的 logo 区域。

将 logo 叠加到 ROI 区域，并对主图进行修改。

请参阅下面的结果。左图显示了创建的掩码。右图显示了最终结果。 为了更好地理解，请显示上述代码中的所有中间图像，特别是img1_bg和img2_fg。

练习

• 使用cv2.addWeighted函数在文件夹中创建图像幻灯片，图像之间平滑过渡。