import cv2
 
img1 = cv2.imread('image1_add.jpg', 1)
#or
#img1 = cv2.imread('C:\\Users\\Admin\\Downloads\\image1_add.jpg', 1)
 
cv2.imshow('Image 1', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
img2 = cv2.imread('image2_add.jpg', 1)
#or
#img2 = cv2.imread('C:\\Users\\Admin\\Downloads\\image2_add.jpg', 1)
 
cv2.imshow('Image 2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
# Add the images
added_img = cv2.add(img1, img2)
 
cv2.imshow('Added Image', added_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

從上面的代碼片段中添加的圖像如下：

這只是簡單的添加。我們可以使用另一個名為 cv2.addWeighted 的函數(shù)來混合圖像。這類似于圖像添加，但圖像被賦予不同的權重以產(chǎn)生混合或透明的錯覺。

這個函數(shù)的語法是：cv2.addWeighted(img1, wt1, img2, wt2, gammaValue)

按照下面的代碼片段對兩個圖像執(zhí)行加權加法。

import cv2
 
img1 = cv2.imread('image1_add.jpg', 1)
#or
#img1 = cv2.imread('C:\\Users\\Admin\\Downloads\\image1_add.jpg', 1)
 
cv2.imshow('Image 1', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
img2 = cv2.imread('image2_add.jpg', 1)
#or
#img2 = cv2.imread('C:\\Users\\Admin\\Downloads\\image2_add.jpg', 1)
 
cv2.imshow('Image 2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
 
#Addition - weighted addition
added_wt_img = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)
 
cv2.imshow('Added Weight Image', added_wt_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

加權加法的輸出如下：

在這里，拍攝了兩張圖像將它們混合在一起。第一張圖片的權重為 0.6，第二張圖片的權重為 0.4。你可以根據(jù)需要更改圖像的權重！

算術運算：圖像減法

就像兩個圖像相加一樣，你可以減去兩個圖像。這可以使用 cv2.subtract() 函數(shù)來完成。請注意，要減去的圖像必須具有相同的大小和深度。

這個函數(shù)的語法是：cv2.subtract(src1, src2)

下面的代碼片段顯示了如何減去兩個圖像。已經(jīng)減去了之前使用的圖像（我們在加法中使用的圖像）。

import cv2
 
img1 = cv2.imread('image1_add.jpg', 1)
#or
#img1 = cv2.imread('C:\\Users\\Admin\\Downloads\\image1_add.jpg', 1)
 
cv2.imshow('Image 1', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
img2 = cv2.imread('image2_add.jpg', 1)
#or
#img2 = cv2.imread('C:\\Users\\Admin\\Downloads\\image2_add.jpg', 1)
 
cv2.imshow('Image 2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
sub_img = cv2.subtract(img1, img2)
 
cv2.imshow('Subtracted Image', sub_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

減去的圖像如下：

還嘗試減去兩個更簡單的圖像以使其更易于理解。使用的兩張圖片是：

減去的輸出是：

既然我們已經(jīng)了解了如何對圖像執(zhí)行算術運算，我們將繼續(xù)對圖像進行按位運算。

位運算

當我們只需要提取圖像所需的元素時，我們會使用按位運算。

這些按位技術用于各種計算機視覺應用，例如創(chuàng)建圖像蒙版、將水印應用于圖像以及創(chuàng)建新圖像。與 OpenCV 中的其他變形方法相比，這些操作對圖像中的單個像素起作用，以產(chǎn)生更準確的結(jié)果。

圖像上的 And、Or 和 Not 操作

在開始之前，假設你熟悉三個基本的位運算符：AND、OR、NOT。

OpenCV 包括用于執(zhí)行與、或和非操作的內(nèi)置函數(shù)。它們是按位與、按位或和按位非?？紤]下面的兩張黑白圖像?，F(xiàn)在讓我們將這三個操作應用于這兩個圖像，看看會發(fā)生什么。

import cv2
 
#read the images
img1 = cv2.imread('bitwise_image_1.jpg')
img2 = cv2.imread('bitwise_image_2.jpg')
 
bitwise_AND = cv2.bitwise_and(img1, img2)
bitwise_OR = cv2.bitwise_or(img1, img2)
bitwise_NOT = cv2.bitwise_not(img1)
 
cv2.imshow('img1', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
cv2.imshow('img2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
cv2.imshow('AND', bitwise_AND)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
cv2.imshow('OR', bitwise_OR)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
cv2.imshow('NOT', bitwise_NOT)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代碼段的輸出將如下所示：