使用“添加到图像中”有什么不同+&引用；还有Python中Opencv中的add（）方法？

假设我们有两个图像：img1和img2。 当使用+或cv2.add（）将这两者相加时，我们会得到不同的结果。为什么呢？它们有何不同

img = img1 + img2
img = cv2.add(img1, img2)

从opencv：

图像添加您可以使用OpenCV功能添加两个图像， cv.add（），或者简单地通过numpy操作res=img1+img2。二者都 图像应该具有相同的深度和类型，或者第二个图像可以 可以是标量值

注意OpenCV加法和Numpy加法之间存在差异。 OpenCV加法是一种饱和运算，而Numpy加法是一种饱和运算 模运算。例如，考虑下面的样本：

当 添加两个图像。坚持使用OpenCV函数， 因为它们将提供更好的结果

从opencv：

图像添加您可以使用OpenCV功能添加两个图像， cv.add（），或者简单地通过numpy操作res=img1+img2。二者都 图像应该具有相同的深度和类型，或者第二个图像可以 可以是标量值

注意OpenCV加法和Numpy加法之间存在差异。 OpenCV加法是一种饱和运算，而Numpy加法是一种饱和运算 模运算。例如，考虑下面的样本：

当 添加两个图像。坚持使用OpenCV函数， 因为它们将提供更好的结果

---

考虑到您的

img1

和

img2

变量是

dtype==np.uint8

：

img1+img2

是

numpy

加法，这是一种

modulo

操作，而

cv2.add（img1+img2）

是

饱和的

操作

np.uint8

是8位无符号整数（从0到255），因此如果结果超出范围，则

numpy

和

opencv

会以不同的方式处理。例如：

>>> img1 = np.uint8([250])
>>> img2 = np.uint8([50])

# numpy
>>> img1 + img2
array([44], dtype=uint8)  # (250 + 50) % 256 = 44
# it takes the modulo of 256

# opencv
>>> cv2.add(img1, img2)
array([[255]], dtype=uint8)  # min(max(0, (250 + 50)), 255) = 255 or np.clip(300, 0, 255)
# it saturates to 255

---

对于

np.uint8

，考虑到您的

img1

和

img2

变量为

dtype==np.uint8

，范围将是

（04294967295）
：
img1+img2
是
numpy
加法，这是一种
modulo
操作，而
cv2.add（img1+img2）
是
饱和的
操作

np.uint8
是8位无符号整数（从0到255），因此如果结果超出范围，则
numpy
和
opencv
会以不同的方式处理。例如：

>>> img1 = np.uint8([250])
>>> img2 = np.uint8([50])

# numpy
>>> img1 + img2
array([44], dtype=uint8)  # (250 + 50) % 256 = 44
# it takes the modulo of 256

# opencv
>>> cv2.add(img1, img2)
array([[255]], dtype=uint8)  # min(max(0, (250 + 50)), 255) = 255 or np.clip(300, 0, 255)
# it saturates to 255

对于
np.uint8
范围将是
（04294967295）
为什么x+y取256的模多？256是从哪里来的？不确定，但我猜它必须与整数运算有关，numpy256是8位中可表示值的数目=>0到255这是溢出的结果。如果超过255，它将进行模255运算。这是有限精度numpy阵列的预期行为。为什么x+y采用256的模多？256是从哪里来的？不确定，但我猜它必须与整数运算有关，numpy256是8位中可表示值的数目=>0到255这是溢出的结果。如果超过255，它将进行模255运算。这是有限精度numpy阵列的预期行为。