Python 使用OpenCV混合多个图像

使用python将多个图像与OpenCV混合的方法是什么？我遇到了以下片段：

img = cv2.addWeighted(mountain, 0.3, dog, 0.7, 0) 

在

---

这显示了一种混合两幅图像的方法

mountain

和

dog

。如果我想混合两个以上的图像呢？我怎么能这样做

您可以根据以下顺序混合所有图像：

混合前两个图像

将结果与下一幅图像混合

诸如此类

每个图像的权重可能有问题，但这是另一个问题。要使所有图像的强度相等，可以使用索引计算适当的部分：

for idx, img in enumerate(imgs):
    if idx == 1:
        first_img = img
        continue
    else:
        second_img = img
        second_weight = 1/(idx+1)
        first_weight = 1 - second_weight
        first_img = cv2.addWeighted(first_img, first_weight, second_img, second_weight, 0)

---

您可以根据以下顺序混合所有图像：

混合前两个图像

将结果与下一幅图像混合

诸如此类

每个图像的权重可能有问题，但这是另一个问题。要使所有图像的强度相等，可以使用索引计算适当的部分：

for idx, img in enumerate(imgs):
    if idx == 1:
        first_img = img
        continue
    else:
        second_img = img
        second_weight = 1/(idx+1)
        first_weight = 1 - second_weight
        first_img = cv2.addWeighted(first_img, first_weight, second_img, second_weight, 0)

试试这个：

blendedImage=weight_1*image_1+weight_2*image_2+…+权重*image\n

试试这个：

---

blendedImage=weight_1*image_1+weight_2*image_2+…+权重*image\n

下面是将多个图像混合到一个列表中的Python代码。我使用了沙姆谢尔答案中的基本公式

首先，让我们得到三张图片

将numpy导入为np
进口cv2
将matplotlib.pyplot作为plt导入
将matplotlib.image导入为mpimg
尺寸=（425425）
apple=mpimg.imread（'apple.jpg'）
苹果=cv2。调整大小（苹果，尺寸）
banana=mpimg.imread（'banana.jpg'）
香蕉=cv2。调整大小（香蕉，变暗）
orange=mpimg.imread（'orange.jpg'）
橙色=cv2。调整大小（橙色，暗淡）
_=plt.imshow（苹果）
_=plt.show（）
_=plt.imshow（香蕉）
_=plt.show（）
_=plt.imshow（橙色）
_=plt.show（）

以下是图片：

现在让我们把它们均匀地混合在一起。由于有三个图像，因此每个图像对最终输出的贡献分数为0.333

def混合（列出图像）：#均匀混合图像。
等分=1.0/（透镜（列表图像））
输出=np.zeros_like（列表图像[0]）
对于列表_图像中的img：
输出=输出+img*相等分数
output=output.astype（np.uint8）
返回输出
列表图片=[苹果、香蕉、橙色]
输出=混合（列出图像）
_=plt.imshow（输出）

结果如下：

---

下面是将多个图像混合到一个列表中的Python代码。我使用了沙姆谢尔答案中的基本公式

首先，让我们得到三张图片

将numpy导入为np
进口cv2
将matplotlib.pyplot作为plt导入
将matplotlib.image导入为mpimg
尺寸=（425425）
apple=mpimg.imread（'apple.jpg'）
苹果=cv2。调整大小（苹果，尺寸）
banana=mpimg.imread（'banana.jpg'）
香蕉=cv2。调整大小（香蕉，变暗）
orange=mpimg.imread（'orange.jpg'）
橙色=cv2。调整大小（橙色，暗淡）
_=plt.imshow（苹果）
_=plt.show（）
_=plt.imshow（香蕉）
_=plt.show（）
_=plt.imshow（橙色）
_=plt.show（）

以下是图片：

现在让我们把它们均匀地混合在一起。由于有三个图像，因此每个图像对最终输出的贡献分数为0.333

def混合（列出图像）：#均匀混合图像。
等分=1.0/（透镜（列表图像））
输出=np.zeros_like（列表图像[0]）
对于列表_图像中的img：
输出=输出+img*相等分数
output=output.astype（np.uint8）
返回输出
列表图片=[苹果、香蕉、橙色]
输出=混合（列出图像）
_=plt.imshow（输出）

结果如下：

---

如何使用混合图像的结果并将其与另一个图像混合？如何使用混合图像的结果并将其与另一个图像混合？理想情况下，您希望每个图像都有一个部分贡献，对应于被混合的图像数（在本例中为1/9），而不是一半。我想到一个计数器变量，用来计算正确的部分。干得好。一些人可能对这篇文章感兴趣，这篇文章说明了平均值，特别是在PHOTOSHOP中使用LAYERS@SimonFink算法仍然没有达到预期的效果。第一个图像的权重应为1/9，然后与其他图像一起添加时，您将使用第一个图像（权重1），每隔一个图像的权重为1/9。@Croolman如果您有一层，则使用所有图像（100%）。如果你有两层，你希望底层在100%，第二层在50%（1/2）以上，那么在最终的结果中，你将得到每层的一半。如果有3层，则取顶层的33%（1/3），然后取其他2/3，即之前从2层图像中得到的，即底部和第一层各占一半，并且占据剩余的2/3，这将对应于底部2层各占1/3。因此，您希望每个新层的比例N为1/（N+1）。理想情况下，您希望每个图像的部分贡献与被混合的图像数量（在本例中为1/9）相对应，而不是一半。我想到了一个计数器变量，用于计算正确的部分。做得好。一些人可能对这篇文章感兴趣，这篇文章说明了平均值，特别是在PHOTOSHOP中使用LAYERS@SimonFink算法仍然没有达到预期的效果。第一个图像的权重应为1/9，然后与其他图像一起添加时，您将使用第一个图像（权重1），每隔一个图像的权重为1/9。@Croolman如果您有一层，则使用所有图像（100%）。如果你有两层，你希望底层在100%，第二层在50%（1/2）以上，那么在最终的结果中，你将得到每层的一半。如果有3层，则取顶层的33%（1/3），然后取其他2/3，即之前从2层图像中得到的，即底部和fir的一半