?大家好，我是csdn的博主：lqj_本人

這是我的個(gè)人博客主頁(yè)：

lqj_本人的博客_CSDN博客-微信小程序,前端,python領(lǐng)域博主lqj_本人擅長(zhǎng)微信小程序,前端,python,等方面的知識(shí)https://blog.csdn.net/lbcyllqj?spm=1011.2415.3001.5343嗶哩嗶哩歡迎關(guān)注：小淼Develop

小淼Develop的個(gè)人空間-小淼Develop個(gè)人主頁(yè)-嗶哩嗶哩視頻

本篇文章主要講述python的人工智能視覺(jué)領(lǐng)域（opencv），本篇文章已經(jīng)成功收錄python人工智能視覺(jué)（opencv）從入門(mén)到實(shí)戰(zhàn)專(zhuān)欄中：https://blog.csdn.net/lbcyllqj/category_12200666.htmlhttps://blog.csdn.net/lbcyllqj/category_12200666.html

圖像融合

• 背景：圖像融合是圖像處理的一個(gè)基本問(wèn)題，目的是將源圖像中一個(gè)物體或者一個(gè)區(qū)域嵌入到目標(biāo)圖像生成一個(gè)新的圖像。在對(duì)圖像進(jìn)行合成的過(guò)程中，為了使合成后的圖像更自然，合成邊界應(yīng)當(dāng)保持無(wú)縫。但如果源圖像和目標(biāo)圖像有著明顯不同的紋理特征，則直接合成后的圖像會(huì)存在明顯的邊界。
• 引入：基于泊松方程而引入的泊松融合求解像素最優(yōu)值的方法，在保留了源圖像梯度信息的同時(shí)，融合源圖像與目標(biāo)圖像。該方法根據(jù)用戶指定的邊界條件求解一個(gè)泊松方程，實(shí)現(xiàn)了梯度域上的連續(xù)，從而達(dá)到邊界處的無(wú)縫融合。

對(duì)比傳統(tǒng)圖像融合和泊松融合

• 傳統(tǒng)的圖像融合：
  • 精確地選擇融合區(qū)域：過(guò)程單調(diào)乏味且工作量大，常常無(wú)法得到好的結(jié)果。
  • Alpha-Matting：功能強(qiáng)大，但是實(shí)現(xiàn)復(fù)雜。
• 基于Poisson方程的無(wú)縫融合：
  • 選擇融合區(qū)域的過(guò)程簡(jiǎn)單且方便。
  • 最終可以得到無(wú)縫融合的結(jié)果。

變分法的解釋泊松圖像編輯

?表示融合圖像塊的梯度。

變分方程的意義表明我們的無(wú)縫融合是以源圖像塊內(nèi)梯度場(chǎng)為指導(dǎo)，將融合邊界上目標(biāo)場(chǎng)景和源圖像的差異平滑地?cái)U(kuò)散到融合圖像塊 I 中，這樣的話，融合后的圖像塊能夠無(wú)縫地融合到目標(biāo)場(chǎng)景中，并且其色調(diào)和光照可以與目標(biāo)場(chǎng)景相一致。

?讀取需要融合的兩張圖

import cv2
import numpy as np src = cv2.imread("1.jpg")
dst = cv2.imread("2.jpg")

?創(chuàng)建飛機(jī)的mask

src_mask = np.zeros(src.shape, src.dtype)
# 繪制多邊形
poly = np.array([ [4,80], [30,54], [151,63], [254,37], [298,90], [272,134], [43,122] ], np.int32)
cv2.fillPoly(src_mask, [poly], (255, 255, 255))

?

• 融合操作使用?cv2.eamlessClone()?:
  • 參數(shù)1：融合圖(飛機(jī))
  • 參數(shù)2：目標(biāo)圖(天空)
  • 參數(shù)3：融合圖的mask
  • 參數(shù)4：融合圖位置中心
  • 參數(shù)5：融合方式，常用?cv2.MIXED_CLONE?和?cv2.NORMAL_CLONE

# 飛機(jī)中心位置在dst的坐標(biāo)
center = (500,100)
# 泊松融合.
output1 = cv2.seamlessClone(src, dst, src_mask, center, cv2.MIXED_CLONE)