该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类、目标检测应用。

前一篇文章介绍Python调用OpenCV实现图像平滑，包括五种算法：均值滤波、方框滤波、高斯滤波、中值滤波和双边滤波。这篇文章将详细讲解图像融合、图像加减法、图像逻辑运算和类型转换。希望文章对您有所帮助，如果有不足之处，还请海涵~

该系列在github所有源代码：

图像融合通常是指将2张或2张以上的图像信息融合到1张图像上，融合的图像含有更多的信息，能够更方便人们观察或计算机处理。如下图所示，将两张不清晰的图像融合得到更清晰的图。

图像融合是在图像加法的基础上增加了系数和亮度调节量，它与图像的主要区别如下：

在OpenCV中，图像融合主要调用addWeighted()函数实现，其原型如下。需要注意的是，两张融合图像的像素大小必须一致，参数gamma不能省略。

下面的代码是将两张图片进行图像融合，两张图片的系数均为1。

输出结果如图所示，它将src1图像和src2图像按比例系数进行了融合，生成目标结果图result。

同样可以设置不同的融合比例，比如函数设为cv2.addWeighted(src1, 0.6, src2, 0.8, 10)，则输出的结果如图所示。

如果想表白，可以试试这部分代码。

(1) Numpy库加法 其运算方法是：目标图像 = 图像1 + 图像2，运算结果进行取模运算。

(2) OpenCV加法运算 另一种方法是直接调用OpenCV库实现图像加法运算，方法如下：

此时结果是饱和运算，即：

两种方法对应的代码如下所示：

输出结果如下，其中result1为第一种方法，result2为第二种方法，白色点255更多。

注意：参与运算的图像大小和类型必须一致。下面是对彩色图像加法运算的结果。

下面的代码实现了图像加法运算。注意，如果相加值大于255，则输出图像的像素结果设置为255。

输出如图所示，左边为原始图像，右边为像素值增加100像素后的图像，输出图像显示更偏白。

图像减法运算主要调用subtract()函数实现，其原型如下所示：

实现代码详见如下：

输出如图所示，左边为原始图像，右边为像素值减少50像素后的图像，输出图像显示更偏暗。

与运算是计算机中一种基本的逻辑运算方式，符号表示为“&”，其运算规则为：0&0=0、0&1=0、1&0=0、1&1=1。图像的与运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“与”操作，实现图像裁剪。

下面代码是通过图像与运算实现图像剪裁的功能。

输出如图所示，原始图像与圆形进行与运算之后，提取了其中心轮廓。同时输出图像的形状为256×256，图像大小为65536个像素。注意，两张进行与运算的图像大小和类型必须一致。

逻辑或运算是指如果一个操作数或多个操作数为 true，则逻辑或运算符返回布尔值 true；只有全部操作数为false，结果才是 false。图像的或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“或”操作，实现图像裁剪。其函数原型如下所示：

下面代码是通过图像或运算实现图像剪裁的功能。

输出如图所示，原始图像与圆形进行或运算之后，提取了图像除中心原形之外的像素值。

逻辑异或运算（xor）是一个数学运算符，数学符号为“⊕”，计算机符号为“xor”，其运算法则为：如果a、b两个值不相同，则异或结果为1；如果a、b两个值相同，异或结果为0。图像的异或运算是指两张图像（灰度图像或彩色图像均可）的每个像素值进行二进制“异或”操作，实现图像裁剪。其函数原型如下所示：

图像异或运算的实现代码如下所示。

原始图像与圆形进行异或运算之后输出如图所示。

图像非运算就是图像的像素反色处理，它将原始图像的黑色像素点转换为白色像素点，白色像素点则转换为黑色像素点，其函数原型如下：

图像非运算的实现代码如下所示。

原始图像非运算之后输出如图所示。

图像类型转换是指将一种类型转换为另一种类型，比如彩色图像转换为灰度图像、BGR图像转换为RGB图像。OPenCV提供了200多种不同类型之间的转换，其中最常用的包括3类，如下：

代码如下所示：

输出结果如下图所示：

如果使用通道转化，则结果如下图所示：

本文主要讲解Python和OpenCV的图像基础处理，具体内容包括：

源代码下载地址，记得帮忙点star和关注喔！

参考文献，在此感谢这些大佬，共勉！