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、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

同时推荐作者的C++图像系列知识：
[数字图像处理] 一.MFC详解显示BMP格式图片
 [数字图像处理] 二.MFC单文档分割窗口显示图片
 [数字图像处理] 三.MFC实现图像灰度、采样和量化功能详解
 [数字图像处理] 四.MFC对话框绘制灰度直方图
 [数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解
 [数字图像处理] 六.MFC空间几何变换之图像平移、镜像、旋转、缩放详解
 [数字图像处理] 七.MFC图像增强之图像普通平滑、高斯平滑、Laplacian、Sobel、Prewitt锐化详解

前文参考：
[Python图像处理] 一.图像处理基础知识及OpenCV入门函数
 [Python图像处理] 二.OpenCV+Numpy库读取与修改像素
 [Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理
 [Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

本篇文章主要讲解Python调用OpenCV实现图像融合及加法运算，包括三部分知识：图像融合、图像加法运算、图像类型转换。全文均是基础知识，希望对您有所帮助。
1.图像加法运算
2.图像融合
3.图像类型转换

PS：文章参考自己以前系列图像处理文章及OpenCV库函数，同时部分参考网易云视频，推荐大家去学习。

一.图像加法运算

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。
1) 当像素值<=255时，结果为“图像1+图像2”，例如：120+48=168
2) 当像素值>255时，结果为对255取模的结果，例如：(255+64)%255=64

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：
目标图像 = cv2.add(图像1, 图像2)
此时结果是饱和运算，即：
1) 当像素值<=255时，结果为“图像1+图像2”，例如：120+48=168
2) 当像素值>255时，结果为255，例如：(255+64) = 255

两种方法对应的代码如下所示：

#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取图片
img = cv2.imread('picture.bmp')
test = img

#方法一：Numpy加法运算
result1 = img + test

#方法二：OpenCV加法运算
result2 = cv2.add(img, test)

#显示图像
cv2.imshow("original", img)
cv2.imshow("result1", result1)
cv2.imshow("result2", result2)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示，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。下面是对彩色图像进行加法运算的结果。

二.图像融合

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。
1) 图像加法：目标图像 = 图像1 + 图像2
2) 图像融合：目标图像 = 图像1 * 系数1 + 图像2 * 系数2 + 亮度调节量
主要调用的函数是addWeighted，方法如下：
dst = cv2.addWeighter(scr1, alpha, src2, beta, gamma)
dst = src1 * alpha + src2 * beta + gamma
其中参数gamma不能省略。

代码如下：

#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取图片
src1 = cv2.imread('test22.jpg')
src2 = cv2.imread('picture.bmp')

#图像融合
result = cv2.addWeighted(src1, 1, src2, 1, 0)

#显示图像
cv2.imshow("src1", src1)
cv2.imshow("src2", src2)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，两张融合的图像像素大小需要一致，如下图所示，将两张RGB且像素410*410的图像融合。

设置不同的比例的融合如下所示： result = cv2.addWeighted(src1, 0.6, src2, 0.8, 10)

三.图像类型转换

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：

cv2.COLOR_BGR2GRAY
cv2.COLOR_BGR2RGB
cv2.COLOR_GRAY2BGR

代码如下所示：

#encoding:utf-8
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#读取图片
src = cv2.imread('01.bmp')

#图像类型转换
result = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

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：
result = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)

图像处理通常需要将彩色图像转换为灰度图像再进行后续的操作，更多知识后续将继续分享，希望对着喜欢，尤其是做图像识别、图像处理的同学。
希望文章对大家有所帮助，如果有错误或不足之处，还请海涵。九月份准备出去休婚假了，好好和她享受最幸福的时光，不被工作所烦扰，但每当自己写完一篇文章或解答一个问题，这种分享知识的快感，真的让我着迷，这就是知识的魅力，老师的快乐吧！
（By：Eastmount 2018-09-03 下午14点 https://blog.csdn.net/Eastmount/）