三种融合
注意融合时，一般来说两个图像的尺寸是一样大小的，如果大小不一样，需要把大的图像的某一部分先截出来，与小的图先融合，再作为整体替换掉原来大图中抠出的小图部分。
"""
# @Time : 2020/4/3
# @Author : JMChen
"""
import cv2 as cv
img1 = cv.imread('logo.png')
img2 = cv.imread('lena.png')
# 在lena.png获取和logo.png大小相同的ROI
rows, cols, channels = img1.shape
img_ROI1 = img2[0:rows,
在Python编程环境中，OpenCV库是一个非常强大的工具，主要用于图像处理和计算机视觉任务。本教程主要探讨如何使用OpenCV模块实现图像的融合，这是一种将两个或更多图像的特征结合在一起的技术，创造出具有新视觉效果的新图像。
我们导入必要的库，即OpenCV库，并用别名`cv`表示：
```python
import cv2 as cv
```
接下来，读取两幅图像，例如'logo.png'和'lena.png'：
```python
img1 = cv.imread('logo.png')
img2 = cv.imread('lena.png')
```
在进行图像融合之前，我们需要确保两个图像的尺寸相同。如果尺寸不同，我们需要调整它们，使它们能够相互融合。在示例中，我们获取`img1`的尺寸，并在`img2`中提取对应大小的区域：
```python
rows, cols, channels = img1.shape
img_ROI1 = img2[0:rows, 0:cols]
```
这里展示了三种不同的融合方法：
1. **简单加权融合**：通过加权平均将两幅图像融合在一起。`addWeighted()`函数可以实现这一点：
```python
img_ROI2 = cv.addWeighted(img1, 0.7, img_ROI1, 0.3, 0)
img2[0:rows, 0:cols] = img_ROI2
```
参数分别是源图像1、权重1、源图像2、权重2以及伽马校正常数，这里的0意味着没有伽马校正。
2. **基于掩模的融合**：我们将`img1`转换为灰度图像，然后通过阈值分割创建一个掩模。接着，使用掩模和按位与操作去除`img_ROI1`中非0部分，然后将处理后的图像与`img1`相加，替换原图像的部分区域：
```python
img1_gray = cv.cvtColor(img1, cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img1_gray, 10, 255, cv.THRESH_BINARY)
mask_inv = cv.bitwise_not(mask)
new_img2 = cv.bitwise_and(img_ROI1, img_ROI1, mask=mask_inv)
dst = cv.add(img1, new_img2)
img2[0:rows, 0:cols] = dst
```
3. **另一种加权融合**：这里我们使用`addWeighted()`函数对前两种方法的结果进行融合，调整不同的权重以获得最终的融合效果：
```python
dst_1 = cv.addWeighted(img_ROI1, 0.55, dst, 0.45, 0)
img2[0:rows, 0:cols] = dst_1
```
我们可以使用`imshow()`函数显示融合后的图像，并通过`waitKey()`函数等待用户按键，以便在窗口关闭之前暂停程序执行。在完成所有操作后，调用`destroyAllWindows()`关闭所有窗口：
```python
cv.imshow('img2', img2)
cv.waitKey(0)
cv.imshow('res', img2)
cv.waitKey(0)
cv.imshow('res_2', img2)
cv.waitKey(0)
cv.destroyAllWindows()
```
图像融合的应用广泛，例如在医学成像、遥感图像分析、艺术创作等领域都有所体现。通过调整加权参数，我们可以控制不同图像在最终结果中的相对强度，从而实现预期的视觉效果。在实际应用中，可以根据需求微调这些参数，以达到最佳融合效果。
