Just My Life & My Work

[OpenCV] 影像混合 (Image Blending)

2012 年 05 月 24 日

簡單來玩影像混合 (Image Blending)，使用兩張影像，依照權重混合出新的影像。

/**
	Theme: Image Blending
	compiler: Visual Studio 2010 with OpenCV 2.4 beta
	Date: 101/05/24
	Author: HappyMan
	Blog: https://cg2010studio.wordpress.com/
*/
#include <cv.h>
#include <highgui.h>
#include <iostream>

using namespace cv;
using namespace std;

int main( int argc, char** argv ){
   double alpha = 0.5; double beta; double input;

   Mat src1, src2, dst;

   /// Ask the user enter alpha
   cout<<" Simple Linear Blender "<<std::endl;
   cout<<"-----------------------"<<std::endl;
   cout<<"* Enter alpha [0-1]: ";
   cin>>input;

   // We use the alpha provided by the user iff it is between 0 and 1
   if( alpha >= 0 && alpha <= 1 )
     { alpha = input; }

   /// Read image ( same size, same type )
   src1 = imread("HappyMan's Girl1.jpg");
   src2 = imread("HappyMan's Girl2.jpg");

   if( !src1.data ) { printf("Error loading src1 \n"); return -1; }
   if( !src2.data ) { printf("Error loading src2 \n"); return -1; }

   /// Create Windows
   namedWindow("Linear Blend", 1);

   beta = ( 1.0 - alpha );
   addWeighted( src1, alpha, src2, beta, 0.0, dst);

   imshow( "Linear Blend", dst );
   imwrite( "girl_blending.jpg", dst );

   waitKey(0);
   return 0;
}

這樣簡單的線性混合，可以依據兩個式子來描述：

  • dst = alpha*src1 + beta*src2
  • alpha + beta = 1

需要注意的是兩張影像長寬要一樣，不然執行後程式會當掉。

關鍵函式cvAddWeighted的使用方式：

void cvAddWeighted( const CvArr* src1, double alpha,
                     const CvArr* src2, double beta,
                     double gamma, CvArr* dst );
  • src1：第一個影像
  • alpha：第一個影像的權值
  • src2：第二個影像
  • beta：第二個影像的權值
  • gamma：添加的常數項。
  • dst：輸出的影像

多了gamma這個常數項，可以式子可以表示：

  • dst(I) = src1(I) * alpha + src2(I) * beta + gamma

需注意所有的影像必須有相同的類型和相同的大小（或ROI大小）

依然請我的MV女孩來示範：Ｐ（點圖可放大）

左圖為HappyMan’s Girl2，右圖為HappyMan’s Girl1。

程式執行時可輸入[0, 1]，我分別輸入0.3、0.5、0.8。

程式碼gamma參數分別設定為100和-100。

雖然執行程式時規定輸入[0, 1]，但我這次分別輸入2和-2，出現無法預期的效果，這也可以說是一種藝術吧：Ｐ

分類：

OpenCV, 教學

發表留言

Tagged with:

隨意留個言吧：）～

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料。

標籤雲