内容简介：拿到校招offer后，离毕业还有近一年的时间。趁这段时间就好好复习巩固一下opencv及图像处理的知识，网上不少opencv教程，浅显易懂的有毛星云大大的《学习OpenCV3》。比较系统的有经典的国外教材《Learning OpenCV》。但是其实我们都忽略还有一个重要同时非常好的学习资源，就是官方自带的samples，我觉得好好阅读学习一边这些例子是很有帮助的。cpp的例子数量还是可观的，相信对于人一个没有基础的学习完，进步也是很大的。
拿到校招offer后，离毕业还有近一年的时间。趁这段时间就好好复习巩固一下opencv及图像处理的知识，网上不少opencv教程，浅显易懂的有毛星云大大的《学习OpenCV3》。比较系统的有经典的国外教材《Learning OpenCV》。但是其实我们都忽略还有一个重要同时非常好的学习资源，就是官方自带的samples，我觉得好好阅读学习一边这些例子是很有帮助的。
自带例子在解压包中
cpp的例子数量还是可观的，相信对于人一个没有基础的学习完，进步也是很大的。
好了废话不多说，先上第一个demo。图像混合的的例子先直接上代码。
//两张图片的混合公式
//dst = alpha*src1 + beta*src2
//dst = alpha*src1 + beta*src2 + gamma(可选)
//包含所需的头文件
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
using namespace cv;
//不建议使用 using namespace std;避免引起命名空间污染。同样的不建议使用 using namespace cv, 应当使用cv::的形式
using std::cin;
using std::cout;
using std::endl;
int main( void )
{
//定义和初始化alpha、beta
double alpha = 0.5; double beta; double input;
//定义所需图像mat容器
Mat src1, src2, dst;
//提示用户输入alpha的值
cout << " Simple Linear Blender " << endl;
cout << "-----------------------" << endl;
cout << "* Enter alpha [0.0-1.0]: ";
cin >> input;
// 输入的alpha的值必须在[0, 1]区间，否则使用默认值
if( input >= 0 && input <= 1 )
{ alpha = input; }
//加载需要混合的两张图片，要求两张图片必须大小和类型一致
src1 = imread( "../data/LinuxLogo.jpg" );
src2 = imread( "../data/WindowsLogo.jpg" );
//检查两张图片是否加载成功
if( src1.empty() ) { cout << "Error loading src1" << endl; return -1; }
if( src2.empty() ) { cout << "Error loading src2" << endl; return -1; }
beta = ( 1.0 - alpha );//计算beta, beta和alpha相加为1
addWeighted( src1, alpha, src2, beta, 0.0, dst);//图片混合
imshow( "Linear Blend", dst );//显示混合后的图片
waitKey(0);//等待按下任意键结束
return 0;
}
小结
整个程序还是比较简单，把流程总结一大概是这样的。
- 定义和初始化所需要的变量和图像容器。
- 提示用户输入变量值
- 检查用户输入变量值
- 加载两张相同大小和类型的图片
- 检查图片是否加载成功
- 调用addWeighted函数执行混合操作
- 显示混合结果
整个程序其实重点就是围绕图像混合公式
dst = alpha*src1 + beta*src2 dst = alpha*src1 + beta*src2 + gamma(可选)
来实现。而addWeighted函数就是混合公式的代码实现。那么来看一下混合公式，
其实就是一个线性混合
dst = alpha*src1 + (1 - alpha)*src2 + gamma//gamma可选
即对每一个像素点执行上诉公式的操作。
然后看一下addWeighted函数原型
void cv::addWeighted ( InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype = -1 )
附上参数的解释
以上所述就是小编给大家介绍的《opencv自带例子学习-图像混合》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- laravel自带用户认证
- Mac自带apache配置
- Golang中自带的强大命令工具
- Android调用系统自带的分享功能
- 使用oracle自带的命令进行导入导出
- opencv自带例子学习-文件输入与输出
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
图解服务器端网络架构
[日] 宫田宽士 / 曾薇薇 / 人民邮电出版社 / 2015-4 / 79.00元
本书以图配文，详细说明了服务器端网络架构的基础技术和设计要点。基础设计是服务器端网络架构最重要的一个阶段。本书就立足于基础设计的设计细分项目，详细介绍各细分项目的相关技术和设计要点。全书共分为5章，分别讲述进行物理设计、逻辑设计、安全设计和负载均衡设计、高可用性设计以及管理设计时所必需的技术和设计要点。一起来看看 《图解服务器端网络架构》 这本书的介绍吧!
