- Blog:http://codec.wang

- Github中MathJax的公示显示有误，可到[Blog](http://codec.wang/opencv-python)查看。

-[OpenCV-Python 3.x旧版教程](https://github.com/CodecWang/OpenCV-Python-Tutorial/tree/3.x)

* 博客:[http://opencv.codec.wang](http://codec.wang)

| 标题| 简介|

| :---| :---|

|[简介与安装](01-Introduction-and-Installation)| 了解和安装OpenCV-Python|

|[番外篇: 代码性能优化](Extra-01-Code-Optimization)| 度量运行时间/提升效率的几种方式|

|[基本元素: 图片](02-Basic-Element-Image)| 图片的载入/显示和保存|

|[番外篇: 无损保存和Matplotlib使用](Extra-02-High-Quality-Save-and-Matplotlib)| 高保真保存图片、Matplotlib库的简单使用|

|[打开摄像头](03-Open-Camera)| 打开摄像头捕获图片/录制视频/播放本地视频|

|[番外篇: 滑动条](Extra-03-Trackbar)| 滑动条的使用|

|[图像基本操作](04-Basic-Operations)| 访问像素点/ROI/通道分离合并/图片属性|

|[颜色空间转换](05-Changing-Colorspaces)| 颜色空间转换/追踪特定颜色物体|

|[阈值分割](06-Image-Thresholding)| 阈值分割/二值化|

|[番外篇: Otsu阈值法](Extra-04-Otsu-Thresholding)| 双峰图片/Otsu自动阈值法|

|[图像几何变换](07-Image-Geometric-Transformation)| 旋转/平移/缩放/翻转|

|[番外篇: 仿射变换与透视变换](Extra-05-Warpaffine-Warpperspective)| 基于2×3的仿射变换/基于3×3的透视变换|

|[绘图功能](08-Drawing-Function)| 画线/画圆/画矩形/添加文字|

|[番外篇: 鼠标绘图](Extra-06-Drawing-with-Mouse)| 用鼠标实时绘图|

|[挑战篇: 画动态时钟](Challenge-01-Draw-Dynamic-Clock)| /|

|[挑战篇: PyQt5编写GUI界面](Challenge-02-Create-GUI-with-PyQt5)| /|

| 标题| 简介|

| :---| :---|

|[图像混合](09-Image-Blending)| 算数运算/混合/按位运算|

|[番外篇: 亮度与对比度](Extra-07-Contrast-and-Brightness)| 调整图片的亮度和对比度|

|[平滑图像](10-Smoothing-Images)| 卷积/滤波/模糊/降噪|

|[番外篇: 卷积基础-图片边框](Extra-08-Padding-and-Convolution)| 了解卷积/滤波的基础知识/给图片添加边框|

|[边缘检测](11-Edge-Detection)| Canny/Sobel算子|

|[番外篇: 图像梯度](Extra-09-Image-Gradients)| 了解图像梯度和边缘检测的相关概念|

|[腐蚀与膨胀](12-Erode-and-Dilate)| 形态学操作/腐蚀/膨胀/开运算/闭运算|

|[轮廓](13-Contours)| 寻找/绘制轮廓|

|[番外篇: 轮廓层级](Extra-10-Contours-Hierarchy)| 了解轮廓间的层级关系|

|[轮廓特征](14-Contour-Features)| 面积/周长/最小外接矩\(圆\)/形状匹配|

|[番外篇: 凸包及更多轮廓特征](Extra-11-Convex-Hull)| 计算凸包/了解更多轮廓特征|

|[直方图](15-Histograms)| 计算绘制直方图/均衡化|

|[模板匹配](16-Template-Matching)| 图中找小图|

|[霍夫变换](17-Hough-Transform)| 提取直线/圆|

|[挑战任务: 车道检测](Challenge-03-Lane-Road-Detection)| /|

<table>

<thead>

</thead>

<tbody>

</tbody>

</table>

*[目录](README.md)

*[01: 简介与安装](start/01-introduction-and-installation.md)

*[02: 基本元素: 图片](start/02-basic-element-image.md)

*[03: 打开摄像头](start/03-open-camera.md)

*[04: 图像基本操作](start/04-basic-operations.md)

*[05: 颜色空间转换](start/05-changing-colorspaces.md)

*[06: 阈值分割](start/06-image-thresholding.md)

*[07: 图像几何变换](start/07-image-geometric-transformation.md)

*[08: 绘图功能](start/08-drawing-function.md)

*[番外篇: 代码性能优化](start/extra-01-code-optimization.md)

*[番外篇: 无损保存和Matplotlib](start/extra-02-high-quality-save-and-matplotlib.md)

*[番外篇: 滑动条](start/extra-03-trackbar.md)

*[番外篇: Otsu阈值法](start/extra-04-otsu-thresholding.md)

*[番外篇: 仿射变换与透视变换](start/extra-05-warpaffine-warpperspective.md)

*[番外篇: 鼠标绘图](start/extra-06-drawing-with-mouse.md)

*[挑战任务: 画动态时钟](start/challenge-01-draw-dynamic-clock.md)

*[挑战任务: PyQt5编写GUI界面](start/challenge-02-create-gui-with-pyqt5.md)

*[09: 图像混合](basic/09-image-blending.md)

*[10: 平滑图像](basic/10-smoothing-images.md)

*[11: 边缘检测](basic/11-edge-detection.md)

*[12: 腐蚀与膨胀](basic/12-erode-and-dilate.md)

*[13: 轮廓](basic/13-contours.md)

*[14: 轮廓特征](basic/14-contour-features.md)

*[15: 直方图](basic/15-histograms.md)

*[16: 模板匹配](basic/16-template-matching.md)

*[17: 霍夫变换](basic/17-hough-transform.md)

*[番外篇: 亮度与对比度](basic/extra-07-contrast-and-brightness.md)

*[番外篇: 卷积基础-图片边框](basic/extra-08-padding-and-convolution.md)

*[番外篇: 图像梯度](basic/extra-09-image-gradients.md)

*[番外篇: 轮廓层级](basic/extra-10-contours-hierarchy.md)

*[番外篇: 凸包及更多轮廓特征](basic/extra-11-convex-hull.md)

*[挑战任务: 车道检测](basic/challenge-03-lane-road-detection.md)

学习图片间的数学运算，图像混合。图片等可到[源码处]()下载。

* 图片间的数学运算，如相加、按位运算等

* OpenCV函数：`cv2.add()`,`cv2.addWeighted()`,`cv2.bitwise_and()`

要叠加两张图片，可以用`cv2.add()`函数，相加两幅图片的形状（高度/宽度/通道数）必须相同。numpy中可以直接用res = img + img1相加，但这两者的结果并不相同：

x= np.uint8([250])

y= np.uint8([10])

print(cv2.add(x, y))# 250+10 = 260 => 255

print(x+ y)# 250+10 = 260 % 256 = 4

如果是二值化图片（只有0和255两种值），两者结果是一样的（用numpy的方式更简便一些）。

图像混合`cv2.addWeighted()`也是一种图片相加的操作，只不过两幅图片的权重不一样，γ相当于一个修正值：

img1= cv2.imread('lena_small.jpg')

img2= cv2.imread('opencv-logo-white.png')

res= cv2.addWeighted(img1,0.6, img2,0.4,0)

按位操作包括按位与/或/非/异或操作，有什么用途呢？比如说我们要实现下图的效果：

如果将两幅图片直接相加会改变图片的颜色，如果用图像混合，则会改变图片的透明度，所以我们需要用按位操作。首先来了解一下[掩膜](https://baike.baidu.com/item/%E6%8E%A9%E8%86%9C/8544392?fr=aladdin)（mask）的概念：掩膜是用一副二值化图片对另外一幅图片进行局部的遮挡，看下图就一目了然了：

所以我们的思路就是把原图中要放logo的区域抠出来，再把logo放进去就行了：

img1= cv2.imread('lena.jpg')

img2= cv2.imread('opencv-logo-white.png')

rows, cols= img2.shape[:2]

roi= img1[:rows, :cols]

img2gray= cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

ret, mask= cv2.threshold(img2gray,10,255, cv2.THRESH_BINARY)

mask_inv= cv2.bitwise_not(mask)

img1_bg= cv2.bitwise_and(roi, roi,mask=mask_inv)

dst= cv2.add(img1_bg, img2)# 进行融合

img1[:rows, :cols]= dst# 融合后放在原图上

*`cv2.add()`用来叠加两幅图片，`cv2.addWeighted()`也是叠加两幅图片，但两幅图片的权重不一样。

*`cv2.bitwise_and()`,`cv2.bitwise_not()`,`cv2.bitwise_or()`,`cv2.bitwise_xor()`分别执行按位与/或/非/异或运算。掩膜就是用来对图片进行全局或局部的遮挡。

*[cv2.add\(\)](https://docs.opencv.org/4.0.0/d2/de8/group__core__array.html#ga10ac1bfb180e2cfda1701d06c24fdbd6)

*[cv2.addWeighted\(\)](https://docs.opencv.org/4.0.0/d2/de8/group__core__array.html#gafafb2513349db3bcff51f54ee5592a19)

*[cv2.bitwise\_and\(\)](https://docs.opencv.org/4.0.0/d2/de8/group__core__array.html#ga60b4d04b251ba5eb1392c34425497e14)

*[cv2.bitwise\_not\(\)](https://docs.opencv.org/4.0.0/d2/de8/group__core__array.html#ga0002cf8b418479f4cb49a75442baee2f)

*[本节源码](https://github.com/codecwang/OpenCV-Python-Tutorial/tree/master/09-Image-Blending)

*[掩膜](https://baike.baidu.com/item/%E6%8E%A9%E8%86%9C/8544392?fr=aladdin)

*[Arithmetic Operations on Images](http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_core/py_image_arithmetics/py_image_arithmetics.html)