OpenCV——PS 图层混合算法(一)

简介:

详细的算法原理能够參考

PS图层混合算法之中的一个(不透明度,正片叠底,颜色加深,颜色减淡)


// PS_Algorithm.h

#ifndef PS_ALGORITHM_H_INCLUDED

#define PS_ALGORITHM_H_INCLUDED

#include <iostream>
#include <string>
#include "cv.h"
#include "highgui.h"
#include "cxmat.hpp"

#include "cxcore.hpp"


using namespace std;
using namespace cv;

#endif // PS_ALGORITHM_H_INCLUDED


// main function

#include "PS_Algorithm.h"

void Transparent(Mat& src1, Mat& src2, Mat& dst, double alpha);
void Multiply(Mat& src1, Mat& src2, Mat& dst);
void Color_Burn(Mat& src1, Mat& src2, Mat& dst);
void Color_Dodge(Mat& src1, Mat& src2, Mat& dst);

int main(void)
{
    Mat Origin_Image1;
    Mat Origin_Image2;
    Origin_Image1=imread("2.jpg");
    Origin_Image2=imread("3.jpg");
    Mat Image_up(Origin_Image1.size(),CV_32FC3);
    Mat Image_down(Origin_Image2.size(), CV_32FC3);
    Origin_Image1.convertTo(Image_up,CV_32FC3);
    Origin_Image2.convertTo(Image_down,CV_32FC3);
    Image_up=Image_up/255;
    Image_down=Image_down/255;
    Mat Image_mix(Image_up);

    //double alpha=0.25;
    //Transparent(Image_up, Image_down, Image_mix, alpha);
    //Multiply(Image_up, Image_down, Image_mix);
    //Color_Burn(Image_up, Image_down, Image_mix);
    //Color_Dodge(Image_up, Image_down, Image_mix);
   
    namedWindow("Img", CV_WINDOW_AUTOSIZE);
    imshow("Img",Image_mix);
    waitKey();
    cvDestroyWindow("Img");
    cout<<"All is well."<<endl;
    return 0;
}


// Transparent 不透明度
void Transparent(Mat& src1, Mat& src2, Mat& dst, double alpha)
{
    dst=alpha*src1+(1-alpha)*src2;
}


// Multiply 正片叠底
void Multiply(Mat& src1, Mat& src2, Mat& dst)
{
    for(int index_row=0; index_row<src1.rows; index_row++)
    {
        for(int index_col=0; index_col<src1.cols; index_col++)
        {
            for(int index_c=0; index_c<3; index_c++)
                dst.at<Vec3f>(index_row, index_col)[index_c]=
                         src1.at<Vec3f>(index_row, index_col)[index_c]*
                         src2.at<Vec3f>(index_row, index_col)[index_c];
        }
    }
}


// Color_Burn 颜色加深
void Color_Burn(Mat& src1, Mat& src2, Mat& dst)
{
    for(int index_row=0; index_row<src1.rows; index_row++)
    {
        for(int index_col=0; index_col<src1.cols; index_col++)
        {
            for(int index_c=0; index_c<3; index_c++)
                dst.at<Vec3f>(index_row, index_col)[index_c]=1-
                         (1-src1.at<Vec3f>(index_row, index_col)[index_c])/
                         src2.at<Vec3f>(index_row, index_col)[index_c];
        }
    }
}

// Color_Dodge 颜色减淡
void Color_Dodge(Mat& src1, Mat& src2, Mat& dst)
{
    for(int index_row=0; index_row<src1.rows; index_row++)
    {
        for(int index_col=0; index_col<src1.cols; index_col++)
        {
            for(int index_c=0; index_c<3; index_c++)
                dst.at<Vec3f>(index_row, index_col)[index_c]=
                          src2.at<Vec3f>(index_row, index_col)[index_c]/
                         (1-src1.at<Vec3f>(index_row, index_col)[index_c]);
        }
    }
}





本文转自mfrbuaa博客园博客,原文链接:http://www.cnblogs.com/mfrbuaa/p/5224743.html,如需转载请自行联系原作者


相关文章
|
7月前
|
算法 C++
OpenCV-白平衡(完美反射算法)
OpenCV-白平衡(完美反射算法)
176 0
|
7月前
|
算法 C++
OpenCV-白平衡(灰度世界算法)
OpenCV-白平衡(灰度世界算法)
153 0
|
2月前
|
算法 C++ 计算机视觉
Opencv(C++)学习系列---Laplacian拉普拉斯边缘检测算法
Opencv(C++)学习系列---Laplacian拉普拉斯边缘检测算法
|
2月前
|
算法 C++ 计算机视觉
Opencv(C++)学习系列---Canny边缘检测算法
Opencv(C++)学习系列---Canny边缘检测算法
|
5月前
|
算法 数据挖掘 计算机视觉
OpenCV中应用尺度不变特征变换SIFT算法讲解及实战(附源码)
OpenCV中应用尺度不变特征变换SIFT算法讲解及实战(附源码)
32 0
|
5月前
|
算法 计算机视觉
OpenCV4-图像分割-watershed(分水岭算法)
1.分水岭概念 分水岭法是根据像素灰度值之间的差值寻找相同区域以实现分割的算法。我们可以将灰度值理解成像素的高度,这样一张图像可以看成崎岖不平的地面或者山区。向地面低洼的地方倾倒一定量的水,水将会掩盖低于某个高度的区域。
77 0
|
9月前
|
算法 安全 机器人
Baumer工业相机堡盟工业相机如何联合BGAPISDK和OpenCV实现图像的伽马变换校正算法增强(C++)
Baumer工业相机堡盟工业相机如何联合BGAPISDK和OpenCV实现图像的伽马变换校正算法增强(C++)
80 0
|
9月前
|
算法 安全 机器人
Baumer工业相机堡盟工业相机如何联合BGAPISDK和OpenCV实现图像的直方图算法增强(C++)
Baumer工业相机堡盟工业相机如何联合BGAPISDK和OpenCV实现图像的直方图算法增强(C++)
43 0
|
11月前
|
算法 数据挖掘 API
python opencv图像处理算法之GrabCut算法
python opencv图像处理算法之GrabCut算法
323 0
|
算法 计算机视觉 Python
CV8 OpenCV环境下实现大津算法
大津算法最终的目的,就是求一个标准的全局阈值区分前景和背景(小于该阈值的为前景。大于该阈值的为背景),使得前景和背景像素的灰度值方差之和最大。因为方差越大,相关性越小,黑白越分明。
132 0