該系列文章是講解Python OpenCV影象處理知識，前期主要講解影象入門、OpenCV基礎用法，中期講解影象處理的各種演算法，包括影象銳化運算元、影象增強技術、影象分割等，後期結合深度學習研究影象識別、影象分類應用。希望文章對您有所幫助，如果有不足之處，還請海涵~

同時推薦作者的C++影象系列知識：
[數字影象處理] 一.MFC詳解顯示BMP格式圖片
[數字影象處理] 二.MFC單文件分割視窗顯示圖片
[數字影象處理] 三.MFC實現影象灰度、取樣和量化功能詳解
[數字影象處理] 四.MFC對話方塊繪製灰度直方圖
[數字影象處理] 五.MFC影象點運算之灰度線性變化、灰度非線性變化、閾值化和均衡化處理詳解
[數字影象處理] 六.MFC空間幾何變換之影象平移、映象、旋轉、縮放詳解
[數字影象處理] 七.MFC影象增強之影象普通平滑、高斯平滑、Laplacian、Sobel、Prewitt銳化詳解

前文參考：
[Python影象處理] 一.影象處理基礎知識及OpenCV入門函式
[Python影象處理] 二.OpenCV+Numpy庫讀取與修改畫素
[Python影象處理] 三.獲取影象屬性、興趣ROI區域及通道處理
[Python影象處理] 四.影象平滑之均值濾波、方框濾波、高斯濾波及中值濾波

本篇文章主要講解Python呼叫OpenCV實現影象融合及加法運算，包括三部分知識：影象融合、影象加法運算、影象型別轉換。全文均是基礎知識，希望對您有所幫助。
1.影象加法運算
2.影象融合
3.影象型別轉換

PS：文章參考自己以前系列影象處理文章及OpenCV庫函式，同時部分參考網易雲視訊，推薦大家去學習。

PSS：2019年1~2月作者參加了CSDN2018年部落格評選，希望您能投出寶貴的一票。我是59號，Eastmount，楊秀璋。投票地址：https://bss.csdn.net/m/topic/blog_star2018/index

五年來寫了314篇部落格，12個專欄，是真的熱愛分享，熱愛CSDN這個平臺，也想幫助更多的人，專欄包括Python、資料探勘、網路爬蟲、影象處理、C#、Android等。現在也當了兩年老師，更是覺得有義務教好每一個學生，讓貴州學子好好寫點程式碼，學點技術，"師者，傳到授業解惑也"，提前祝大家新年快樂。2019我們攜手共進，為愛而生。

---

一.影象加法運算

1.Numpy庫加法
其運算方法是：目標影象 = 影象1 + 影象2，運算結果進行取模運算。

1. 當畫素值<=255時，結果為“影象1+影象2”，例如：120+48=168
2. 當畫素值>255時，結果為對255取模的結果，例如：(255+64)%255=64

2.OpenCV加法運算
另一種方法是直接呼叫OpenCV庫實現影象加法運算，方法如下：
目標影象 = cv2.add(影象1, 影象2)
此時結果是飽和運算，即：

1. 當畫素值<=255時，結果為“影象1+影象2”，例如：120+48=168
2. 當畫素值>255時，結果為255，例如：(255+64) = 255

兩種方法對應的程式碼如下所示：

#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
 
#讀取圖片
img = cv2.imread('picture.bmp')
test = img

#方法一：Numpy加法運算
result1 = img + test

#方法二：OpenCV加法運算
result2 = cv2.add(img, test)

#顯示影象
cv2.imshow("original", img)
cv2.imshow("result1", result1)
cv2.imshow("result2", result2)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下圖所示，其中result1為第一種方法，result2為第二種方法，白色點255更多。

注意：參與運算的影象大小和型別必須一致。下面是對彩色影象進行加法運算的結果。

---

二.影象融合

影象融合通常是指將2張或2張以上的影象資訊融合到1張影象上，融合的影象含有更多的資訊，能夠更方便人們觀察或計算機處理。如下圖所示，將兩張不清晰的影象融合得到更清晰的圖。

影象融合是在影象加法的基礎上增加了係數和亮度調節量。

1. 影象加法：目標影象 = 影象1 + 影象2
2. 影象融合：目標影象 = 影象1 * 係數1 + 影象2 * 係數2 + 亮度調節量
   主要呼叫的函式是addWeighted，方法如下：
   dst = cv2.addWeighter(scr1, alpha, src2, beta, gamma)
   dst = src1 * alpha + src2 * beta + gamma
   其中引數gamma不能省略。

程式碼如下：

#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
 
#讀取圖片
src1 = cv2.imread('test22.jpg')
src2 = cv2.imread('picture.bmp')

#影象融合
result = cv2.addWeighted(src1, 1, src2, 1, 0)

#顯示影象
cv2.imshow("src1", src1)
cv2.imshow("src2", src2)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，兩張融合的影象畫素大小需要一致，如下圖所示，將兩張RGB且畫素410*410的影象融合。

設定不同的比例的融合如下所示：
result = cv2.addWeighted(src1, 0.6, src2, 0.8, 10)

---

三.影象型別轉換

影象型別轉換是指將一種型別轉換為另一種型別，比如彩色影象轉換為灰度影象、BGR影象轉換為RGB影象。OPenCV提供了200多種不同型別之間的轉換，其中最常用的包括3類，如下：

• cv2.COLOR_BGR2GRAY
• cv2.COLOR_BGR2RGB
• cv2.COLOR_GRAY2BGR

程式碼如下所示：

#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
 
#讀取圖片
src = cv2.imread('01.bmp')

#影象型別轉換
result = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

#顯示影象
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如下圖所示：

如果使用通道轉化，則結果如下圖所示：
result = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)

影象處理通常需要將彩色影象轉換為灰度影象再進行後續的操作，更多知識後續將繼續分享，希望對著喜歡，尤其是做影象識別、影象處理的同學。
希望文章對大家有所幫助，如果有錯誤或不足之處，還請海涵。九月份準備出去休婚假了，好好和她享受最幸福的時光，不被工作所煩擾，但每當自己寫完一篇文章或解答一個問題，這種分享知識的快感，真的讓我著迷，這就是知識的魅力，老師的快樂吧！
（By：Eastmount 2018-09-03 下午14點 https://blog.csdn.net/Eastmount/）