超詳細註釋之OpenCV構建透明的疊加層

為瞭構造透明的疊加層,需要準備兩個圖像:

(1)原始圖片;

(2)要 “疊加”在第一個圖像上的圖像(包含某種級別的Alpha透明度)。

透明疊加層的用例幾乎無窮無盡,其中倆個是:

  • 可以將運行時的重要信息直接覆蓋在輸出圖像上,而不是在單獨的窗口或終端中顯示。使用透明的疊加層可以減少混淆輸出圖像內容的需要!
  • 使用Alpha透明度,將兩個圖像“融合”在一起。

使用cv2.addWeighted應用透明疊加層功能

cv2.addWeighted(overlay, alpha, output, 1 – alpha, 0, output)

  • –overlay: 我們要應用的疊加層圖像
  • –cv2.addWeighted(overlay, alpha, output, 1 – alpha, 0, output)
  • –alpha: 疊加層的實際Alpha透明度,alpha越接近1,圖像越不透明;alpha越接近0,疊加層顯示得越透明;
  • –output: 原始圖像
  • –beta: Beta定義為1-alpha 。我們需要定義alpha + beta = 1.0
  • gamma: 伽瑪值-加到加權和的標量。可以將gamma視為應用加權加法後添加到輸出圖像的常數。將其設置為零,表示不需要應用恒定值的加法運算。
  • –output: 最終的結果,輸出圖像

效果圖:

在這裡插入圖片描述

# USAGE
# python overlay.py

# 導入必要的包
from __future__ import print_function
import numpy as np
import cv2
import imutils

# 加載圖像
image = cv2.imread("../image/flower4.jpg")
image = imutils.resize(image, width=600)
cv2.imshow("origin", image)
cv2.waitKey(0)

# 循環遍歷 [0,1.0] 的透明度
for alpha in np.arange(0, 1.1, 0.1)[::-1]:
    # 創建倆個原始圖的拷貝
    # 一個用於構建疊加層 一個用於輸出圖像
    overlay = image.copy()
    output = image.copy()
    # 在左上角 添加文本: PyimageSerach:alpha
    # 在右下角畫一個矩形的紅色框
    cv2.rectangle(overlay, (150, 210), (500, 630),
                  (0, 0, 255), -1)
    cv2.putText(overlay, "PyImageSearch: alpha={:.2f}".format(alpha),
                (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 255), 3)

    # 使用cv2.addWeighted應用透明疊加層功能
    # overlay: 我們要應用的疊加層圖像
    # alpha:   疊加層的實際Alpha透明度,alpha越接近1,圖像越不透明;alpha越接近0,疊加層顯示得越透明;
    # output: 原始圖像
    # beta:   我們提供beta值作為第四個參數。 Beta定義為1-alpha 。我們需要定義alpha和beta,以便alpha + beta = 1.0
    # gamma:  伽瑪值-加到加權和的標量。您可以將gamma視為應用加權加法後添加到輸出圖像的常數。在這種情況下,我們將其設置為零,因為我們不需要應用恒定值的加法運算。
    # output: 輸出圖像
    cv2.addWeighted(overlay, alpha, output, 1 - alpha,
                    0, output)

    # 展示輸出圖像,alpha,beta
    print("alpha={:.2f}, beta={:.2f}".format(alpha, 1 - alpha))
    cv2.imshow("Output", output)
    cv2.waitKey(0)

cv2.destroyAllWindows()

參考:

Transparent overlays with OpenCV

到此這篇關於超詳細註釋之OpenCV構建透明的疊加層的文章就介紹到這瞭,更多相關OpenCV構建疊加層內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: