本次教程我们将概述图像的算数运算，众所周知，数学中有着加减乘除运算，同样的，图像也是如此，它的本质实际上就是一个矩阵，所以图像也存在着加法、减法、位运算等等算数运算。

加法

使用cv2.add()将两个图像相加，可以使用numpy中的矩阵加法来实现。但是在opencv中加法是饱和操作，也就是有上限值，numpy会对结果取模，综上，使用opencv的效果更好，我们来看函数实例：

cv2.add(img1, img2)  # 进行图片的加和

参数说明： cv2.add将两个图片进行加和，大于255的使用255计数.

我们将使用以下两个图片作为实例：

来看代码：import cv2

img1 = cv2.imread("01.jpg")

img2 = cv2.imread("02.jpg")

res = cv2.add(img1,img2)

cv2.imshow("res",res)

cv2.waitKey(0)

cv2.destroyAllWindows()

不难理解，第一幅图像白色部分像素部分为255，黑色部分像素为0，所以和第二幅图像加起来之后白色部分仍然是白色部分，因为加起来的值大于255时，默认取值255.

减法

减法运算就是两幅图像见对象像素的灰度值或彩色分量进行相减，它可以用于目标检测，需要用到函数cv2.subtract()，程序实现：import cv2

img1 = cv2.imread("01.jpg")

img2 = cv2.imread("02.jpg")

res = cv2.subtract(img1,img2)

cv2.imshow("res",res)

cv2.waitKey(0)

cv2.destroyAllWindows()

乘法

图像的乘法运算就是将两幅图像对应的灰度值或彩色分量进行相乘。

乘运算的主要作用是抑制图像的某些区域，掩膜值置为1，否则置为0。乘运算有时也被用来实现卷积或相关的运算，其相关函数为cv2.multiply()。

以下为相关程序代码：import cv2

img1 = cv2.imread("01.jpg")

img2 = cv2.imread("02.jpg")

res = cv2.multiply(img1,img2)

cv2.imshow("res",res)

cv2.waitKey(0)

cv2.destroyAllWindows()

除法

图像除运算就是两幅图像对应像素的灰度值或彩色分量进行相除。简单的出运算可以用于改变图像的灰度级。其相关函数为cv2.divide。

以下为代码部分：import cv2

img1 = cv2.imread("01.jpg")

img2 = cv2.imread("02.jpg")

res = cv2.divide(img1,img2)

cv2.imshow("res",res)

cv2.waitKey(0)

cv2.destroyAllWindows()

图像融合

它实际上本质也是一个加法运算，但是这个加法运算跟普通的并不一样，我们可以理解为是一种加权的运算。

我们用函数来表示一个图像，前提是所有的图像尺寸是一样的，即图像矩阵的行列一样，通道数一样。

我们用 f0(x) 和 f1(x) 来表示输入的图像，用 g(x) 来表示输出图像，α表示比例( 0≤α≤1 ，一般来说，α取0和1没有太大意义)，那我们能得到如下图所示的一个公式：

所以图像混合就是将两个图像按照一定的比例转存到另一个图像中。

首先需要看一下函数原型：

cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) → dst

参数：

src1      第一个输入数组。

alpha   第一个数组元素的权重。

src2      第二个输入数组，其大小和通道号与src1相同。

beta      第二个数组元素的权重。

gamma 标量加到每个和。

dst输出数组，其大小和通道数与输入数组相同。

dtype   输出数组的可选深度；当两个输入数组的深度相同时，可以将dtype设置为-1，这等效于src1.depth()。

此函数可以用以下矩阵表达式进行代替：

dst = src1 * alpha + src2 * beta + gamma;

注意：由参数说明可以看出，被叠加的两幅图像必须是尺寸相同、类型相同的；并且，当输出图像array的深度为CV_32S时，这个函数就不适用了，这时候就会内存溢出或者算出的结果压根不对。

我们来看一下代码：import cv2

img1 = cv2.imread("01.jpg")

img = cv2.imread("02.jpg")

h, w, _ = img1.shape

img2 = cv2.resize(img, (w,h), interpolation=cv2.INTER_AREA)

alpha = 0.7

beta = 1-alpha

gamma = 0

img_add = cv2.addWeighted(img1, alpha, img2, beta, gamma)

cv2.imshow('img_add',img_add)

cv2.waitKey()

cv2.destroyAllWindows()

效果：

此函数最大的缺陷就是需要两张图片尺寸必须完全一样，所以在实验时必须要注意。

按位运算

我们在学习数电时想必都学过逻辑运算，OpenCV中也有相关的运算。与或非这些想必就不必再多讲了，我们可以通过代码实验来熟悉：

与运算：import cv2

img1 = cv2.imread("01.jpg")

img2 = cv2.imread("02.jpg")

res = cv2.bitwise_and(img1,img2)

cv2.imshow("res",res)

cv2.waitKey()

cv2.destroyAllWindows()

或运算：import cv2

img1 = cv2.imread("01.jpg")

img2 = cv2.imread("02.jpg")

res = cv2.bitwise_or(img1,img2)

cv2.imshow("res",res)

cv2.waitKey()

cv2.destroyAllWindows()

可以看到，跟加法运算基本上类似。

非运算：import cv2

img1 = cv2.imread("01.jpg")

img2 = cv2.imread("02.jpg")

res = cv2.bitwise_not(img1,img2)

cv2.imshow("res",res)

cv2.waitKey()

cv2.destroyAllWindows()

非运算在之后的学习中是非常有帮助的，它的以用来对二值化图像进行取反，然后方便进行形态学操作。

异或运算：import cv2

img1 = cv2.imread("01.jpg")

img2 = cv2.imread("02.jpg")

res = cv2.bitwise_xor(img1,img2)

cv2.imshow("res",res)

cv2.waitKey()

cv2.destroyAllWindows()

关于图像的所有的基本运算就介绍到这里。

现在带大家做一个好玩的小项目，题目是：

用OpenCV完成一个幻灯片演示一幅图转成另一幅图，并在图像之间进行平滑过渡。

实际上，我们使用刚刚的线性加权函数就可以完成，我们只需要定义一个变量a，然后让其值小于一，变量的值依次递增。这样总体进行分析的话，第一幅图图像的加权值为a，第二幅图像的加权值为1-a，那么在一个循环里面它们会进行动态过渡，我们来看一下代码：import cv2 as cv

img1 = cv.imread('01.jpg')

img2 = cv.imread('02.jpg')

l, h = img1.shape[0:2]

img2_R = cv.resize(img2, (h, l))

a=0

cv.namedWindow('ppt',True)

dst = cv.addWeighted(img1, a, img2_R, 1-a, -1)

cv.imshow('ppt', dst)

cv.waitKey(0)

while a<1.0:

dst = cv.addWeighted(img1, a, img2_R, 1-a, -1)

cv.imshow('ppt', dst)

cv.waitKey(100)

a+=0.02

cv.waitKey(0)

cv.destroyAllWindows()

按下esc键开始幻灯片放映，由于效果为动态，此处不便展示，大家请自己实验，还是很有意思的。