OPENCV 实现png绘制，alpha通道叠加。

一夜未眠，一直在找一个好点的方法将带alpha通道的png图片叠加到其他三通道图片上。

下面进入正题：

在这段代码中，cvAdd4cMat 其实是一个宏，由 CA4M_EXCAT 宏来控制它展开成什么。

#ifdef CA4M_EXCAT
#define cvAdd4cMat cvAdd4cMat_e
#else
#define cvAdd4cMat cvAdd4cMat_q
#endif

注：e版函数是精确版，q版函数是快速版。我也不知道实际使用e版和q版差别多大，速度e版更快，但是绘制出来的质量我用肉眼完全看不出差别，文章后面有我对两版函数速度测试的说明。如果你要直接使用我的模块，那么我建议你不要定义CA4M_EXCAT这个宏。因为我认为q版函数更加优秀。如果你不知道怎么使用它，你可以到底部获得演示程序的下载地址。

原理：

显存中每个点是以BGR方式存储的，B、G、R分别叫蓝色通道、绿色通道、红色通道

而对于一些图片来所，它们还需要有一个A通道，阿尔法通道，即不透明度通道。来控制这个点的不透明度，其实所谓的不透明度，只在与其他图片叠时反应出来。

对于某一个像素点的叠加公式：

   b = b1 * a1/255 + b0 * (255 - a1)/255g = g1 * a1/255 + g0 * (255 - a1)/255r = r1 * a1/255 + r0 * (255 - a1)/255

那么把这个单点的计算公式转换成矩阵的计算公式，通过Opencv对矩阵运算的优势，可极大的提高叠加的效率。

那么我通过split函数分解矩阵的通道

把png图片分解为B1矩阵，G1矩阵，R1矩阵，A1矩阵

把背景图片分解为了B0矩阵，G0矩阵，R0矩阵。

于是叠加的结果：

令alpha = A1 , 令beta = 255 - alpha。注意：alpha和beta依然是矩阵

 B=B1 * alpha/255 + B0 * beta/255G=G1 * alpha/255 + G0 * beta/255R=R1 * alpha/255 + R0 * beta/255

如果使用scale增益这个参数，那么：

newalpha = alpha * scale
newbeta = 255 - newalpha

以上只是该模块的基本思想，为了防止溢出，减少冗余计算，源码在算法上做了较大的调整，具体请看代码了：

cvAdd4cMat.h

#pragma once#include <vector>
#include <opencv2/opencv.hpp>static int createtable = false;//init lookup-table;
static cv::Mat table(1, 256, CV_32FC1);
static cv::Mat otable(1, 256, CV_32FC1);
int cvAdd4cMat_e(cv::Mat &dst, cv::Mat &scr, double scale);
int cvAdd4cMat_e(cv::Mat &dst, cv::Mat &scr);
int cvAdd4cMat_q(cv::Mat &dst, cv::Mat &scr, double scale = 1.0);
void InitLookupTable(void);#ifdef CA4M_EXCAT
#define cvAdd4cMat cvAdd4cMat_e
#else
#define cvAdd4cMat cvAdd4cMat_q
#endif

cvAdd4cMat.cpp

#include "cvAdd4cMat.h"int cvAdd4cMat_e(cv::Mat &dst, cv::Mat &scr, double scale)
{if (createtable == false){InitLookupTable();}if (dst.channels() != 3 || scr.channels() != 4){return 0;}if (scale < 0.01)return 1;std::vector<cv::Mat> scr_channels;std::vector<cv::Mat> dstt_channels;split(scr, scr_channels);split(dst, dstt_channels);CV_Assert(scr_channels.size() == 4 && dstt_channels.size() == 3);cv::Mat alpha(dst.rows, dst.cols, CV_32FC1);LUT(scr_channels[3], table, alpha);for (int i = 0; i < 3; i++){scr_channels[i].convertTo(scr_channels[i], CV_32FC1);dstt_channels[i].convertTo(dstt_channels[i], CV_32FC1);dstt_channels[i] = dstt_channels[i].mul(1 - alpha*scale);dstt_channels[i] += scr_channels[i].mul(alpha * scale);dstt_channels[i].convertTo(dstt_channels[i], CV_8UC1);}merge(dstt_channels, dst);return 1;
}int cvAdd4cMat_e(cv::Mat &dst, cv::Mat &scr)
{if (createtable == false){InitLookupTable();}if (dst.channels() != 3 || scr.channels() != 4){return 0;}std::vector<cv::Mat>scr_channels;std::vector<cv::Mat>dstt_channels;split(scr, scr_channels);split(dst, dstt_channels);CV_Assert(scr_channels.size() == 4 && dstt_channels.size() == 3);cv::Mat alpha(dst.rows, dst.cols, CV_32FC1);cv::Mat beta(dst.rows, dst.cols, CV_32FC1);LUT(scr_channels[3], table, alpha);LUT(scr_channels[3], otable, beta);for (int i = 0; i < 3; i++){scr_channels[i].convertTo(scr_channels[i], CV_32FC1);dstt_channels[i].convertTo(dstt_channels[i], CV_32FC1);dstt_channels[i] = dstt_channels[i].mul(beta);dstt_channels[i] += scr_channels[i].mul(alpha);dstt_channels[i].convertTo(dstt_channels[i], CV_8UC1);}merge(dstt_channels, dst);return 1;
}int cvAdd4cMat_q(cv::Mat &dst, cv::Mat &scr, double scale)
{if (dst.channels() != 3 || scr.channels() != 4){return true;}if (scale < 0.01)return false;std::vector<cv::Mat>scr_channels;std::vector<cv::Mat>dstt_channels;split(scr, scr_channels);split(dst, dstt_channels);CV_Assert(scr_channels.size() == 4 && dstt_channels.size() == 3);if (scale < 1){scr_channels[3] *= scale;scale = 1;}for (int i = 0; i < 3; i++){//newalpha equal scale * alphadstt_channels[i] = dstt_channels[i].mul(255.0 / scale - scr_channels[3], scale / 255.0);dstt_channels[i] += scr_channels[i].mul(scr_channels[3], scale / 255.0);}merge(dstt_channels, dst);return true;
}void InitLookupTable(void)
{for (int i = 0; i < 256; i++){table.at<float>(i) = i / 255.0f;otable.at<float>(i) = 1 - table.at<float>(i);}createtable = true;
}

对两版函数的分析：

for (int i = 0; i < 5000;i++)
cvAdd4cMat(img1_t2, img2);
e版测两次:26344ms 26547ms
q版测两次:20094ms 19996ms

for (int i = 0; i < 5000;i++)
cvAdd4cMat(img1_t2, img2, 1.5);
e版测两次:29851ms 29725ms
q版测两次:21051ms 21023ms

for (int i = 0; i < 5000;i++)
cvAdd4cMat(img1_t2, img2, 0.5);
e版测两次:29281ms 29221ms
q版测两次:22031ms 22031ms

综上看出
e版函数平均每次绘图4ms，q版函数平均每次绘图6ms。
e版函数在绘制速度上不如q版函数，e版函数绘制时如果使用scale参数，速度还会减慢10%左右
q版函数相对更快，但在scale参数小于1时因为算法原因，绘制速度也会减慢10%左右

下面是我写的一个小example：

下载地址：http://download.csdn.net/detail/u013097499/7483975

OPENCV 实现png绘制，alpha通道叠加。相关推荐

python opencv 为图片添加alpha通道并设置透明,判断是否存在alpha通道
读取图片使用函数cv2.imread(filepath,flags)读入一副图片 filepath:要读入图片的完整路径 flags:读入图片的标志 cv2.IMREAD_COLOR:默认参数,读入 ...
unity加载sprite_Unity 分离贴图 alpha 通道实践
引言在做手机游戏时可能会遇到这些问题: UI 同学天天抱怨 iOS 上一些透明贴图压缩后模糊不堪一些古早的 Android 手机上同样的贴图吃内存超过其他手机数倍,游戏经常闪退这篇文章给出了一种 ...
Unity 分离贴图 alpha 通道实践
在做手机游戏时可能会遇到这些问题: UI 同学天天抱怨 iOS 上一些透明贴图压缩后模糊不堪一些古早的 Android 手机上同样的贴图吃内存超过其他手机数倍,游戏经常闪退这篇文章给出了一种手机游 ...
OpenCV绘制透明底的图片，简单易懂讲解alpha通道怎么用
今天忽然想做抠图和图形绘制,那这里就涉及到一个透明底的问题 OpenCV是很强大的,但是网上大多教程并没有讲清楚 alpha 通道的参数怎么设置首先我们来看最简单的非 alpha 通道代码: imp ...
【计算机视觉】OPENCV对于有alpha通道的透明背景图片的读取和图片叠加
这个是我自己做的粗略的螺旋丸的图,导出为png并带有alpha通道. 最后和一只狗合成成这个样子. 效果还是可以的. 为了实现这个效果,首先我们要明白具有透明通道的图片的OpenCV的读取方式.在Op ...
OPENCV对于有alpha通道的透明背景图片的读取和图片叠加
这个是我自己做的粗略的螺旋丸的图,导出为png并带有alpha通道. 最后和一只狗合成成这个样子. 效果还是可以的. 为了实现这个效果,首先我们要明白具有透明通道的图片的opencv的读取方式.在Op ...
使用opencv中的merge()函数为BGR图像添加alpha通道
先上代码: #!/usr/bin/env python # -*- coding: utf-8 -*- # 图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 # 图像处理 ...
【笔记】opencv的python实现·像素处理像素访问 alpha通道
像素概念计算机在处理某个图像时,会首先将其划分为一个个小方块,每个小方块是一个独立的处理单位,成为像素点记录一些基础语法: ,X[:,0]就是取矩阵X的所有行的第0列的元素,X[:,1] 就是取所 ...
OpenCV中拆分通道、合并通道、alpha通道的讲解及实战演示（附python源码超详细）
需要源码和图片请点赞关注收藏后评论区留言私信~~~ 在BGR色彩空间中,图像的通道由B通道.G通道和B通道构成,下面将介绍OpenCV提供的方法拆分和合并通道一.拆分通道为了拆分图像中的通道 Op ...
【Opencv入门】RGB三通道直方图的计算与绘制
文章目录一. 直方图概述 Overview of histogram 二.直方图的建立 Establishment of histogram 三.直方图的作用 The function of his ...

OPENCV 实现png绘制，alpha通道叠加。

OPENCV 实现png绘制，alpha通道叠加。相关推荐

最新文章

热门文章