原理

关于OpenCV的配置和基础用法，请参阅本专栏的其他文章：垚武田的OpenCV合集

这里采用的图片熔合的算法来自Richard Szeliski的书《Computer Vision: Algorithms and Applications》（《计算机视觉：算法和应用》）。
该算法使用了一个两参的线性熔合算子来操作图片的像素：
$$g(x)=(1-\alpha )f_0(x)+\alpha f_1(x)$$
$\alpha$的值从0-1不等。利用这个$\alpha$值，该算法可以对两个图片或者视频执行一个临时的交叉溶解(criss-dissolve)，就像在幻灯片或胶片中那样（很酷是不是？）

实现

在OpenCV中使用addWeighted()函数来实现上述的线性熔合的方法。
首先导入要熔合的两张图片。这两张图片是OpenCV库中自带的，可以在安装目录的子路径...\opencv\sources\samples\data中找到它们：LinuxLogo.jpg和WindowsLogo.jpg。将它们复制进项目文件夹，导入语句如下：

Mat src1 { imread("LinuxLogo.jpg") };
Mat src2 { imread("WindowsLogo.jpg") };

注意：被熔合的两张图片必须大小（长和宽）一致，类型也必须一致
接着确定$\alpha$值，并使用线性熔合算法：

double alpha{ 0.5 };
double beta{ 1.0 - alpha };
Mat dst;
addWeighted( src1, alpha, src2, beta, 0.0, dst);

这里将$\alpha$设为0.5；$\beta$其实是算法中的$1-\alpha$。这里再回到算法公式：
$$g(x)=(1-\alpha )f_0(x)+\alpha f_1(x)$$

• 两张图片中的每个像素值，分别就是公式中的$f_0(x)$和$f_1(x)$
• $g(x)$就是熔合后的像素值
• $1-\alpha$（即代码中的$\beta$）和$\alpha$分别是两张图片的权重

然后我们来看一下在addWeighted()函数中，是怎样用各个参数来确定线性熔合算法的——
addWeighted( src1, alpha, src2, beta, 0.0, dst);：

• src1和src2分别是要熔合的两张图片的Mat对象
• alpha是公式中的$\alpha$，即src1所代表的图片的权重
• beta是公式中的 $1-\alpha$，即src2所代表的图片的权重
• 0.0是公式中没有的一个常数$\gamma$，用来对熔合后的像素值进行偏移
• dst为储存熔合结果的Mat对象
  这样，addWeighted()函数的实际算法可以用以下公式表示：
  $$dst=\alpha \ast src1+\beta \ast src2+\gamma$$
  代码中的$\gamma$为0.0，说明不对熔合后的像素进行任何偏移。

结果展示

创建窗口，展示图片熔合的结果

imshow("线性熔合", dst);
waitKey(0);

输出结果如下：

完整代码

注意：

• 因为C++中也有std::beta，所以为了避免名称冲突，这里没有使用整个std命名空间
• 完整代码需要用户自己输入$\alpha$参数的值
• 完整代码对图片的导入进行了检测

#include <opencv2/core.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>

import <iostream>;

using namespace cv;

//因为C++中有std::beta，为了避免名称冲突，这里没有使用整个std命名空间
using std::cin;
using std::cout;
using std::endl;

int main() {
	double alpha{ 0.5 }; double beta, input;

	Mat src1, src2, dst;

	cout << "简单线性混合" << endl;
	cout << "-----------" << endl;
	cout << "* 输入α值 [0.0-1.0]";
	cin >> input;

	if (input >= 0 && input <= 1)
		alpha = input;

	src1 = imread("LinuxLogo.jpg");
	src2 = imread("WindowsLogo.jpg");

	if (src1.empty()) {
		cout << "图片1导入错误" << endl;
		return EXIT_FAILURE;
	}
	if (src2.empty()) {
		cout << "图片2导入错误" << endl;
		return EXIT_FAILURE;
	}

	beta = 1.0 - alpha;
	addWeighted(src1, alpha, src2, beta, 0.0, dst);

	imshow("线性混合", dst);
	waitKey(0);

	return 0;
}