一.功能介绍

        图像叠加：就是在一张图片上放上自己想要的图片，如LOGO，时间等。有点像之前提到的OSD原理一样。例如：下图一张图片，在左上角增加其他图片。

 二.OPENCV中图像叠加常用的API

1. copyTo方法进行图像叠加

• 原理：在图片1中选取一个 Rect 的兴趣区域(也就是自己想要放哪，放多大)，然后把图2放在兴趣区域，最后输出图片1。注意：这个兴趣区域要和图2一样大小。例如：图1为原图，图2为杰伦。

•  API: void copyTo( OutputArray m ) const
•  代码实现：

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;


int main()
{
    //读取图像
    Mat src_pic = imread("frame1.jpg"); //src_pic是原图像数据
    Mat logo_pic = imread("mat_demo.jpg");//logo_pic是LOGO图像的数据

    //创建兴趣区域
    Mat logo_pic_roi = src_pic(Rect(0,0,logo_pic.cols, logo_pic.rows)); //在src_pic上创建一个矩形区域，大小与logo_pic相同

    //将logo_pic复制到logo_pic_roi中
    logo_pic.copyTo(logo_pic_roi);

    //显示图像
    imwrite("result.jpg", src_pic);

    return 0;
}

2. addWeighted方法对图像数据进行图像叠加

• 原理：和copyTo一样，只不过多了一个加权操作(加权：1 = 图片1的权重+图片2的权重，谁的权重高，谁更清楚，更清晰)，然后输出新图片。
• API:  addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, intdtype = -1);

第一个参数：src1，第一个输入的图像
第二个参数：alpha，第一个输入图像的权重值，是一个双精度浮点数
第三个参数：src2，第二个输入图像
第四个参数：beta，第二个输入图像的权重，是一个双精度浮点数
第五个参数：gamma 加权和的可选标量，通常是一个双精度浮点数，默认为 0
第六个参数：dst 输出图像，这里是存储加权图像的结果
第七个参数：输出图像的类型，默认是-1，表示的是输入图像和输出图像类型一致

上图是src1权重为0.8，下图是src1权重为0.3效果：

• addWeighted的两种情况：1.两张图片大小不一样：就是先在图片1上面创建感兴趣区域，然后融合感兴趣区域和图片2，最后输出图片1；2.两张图片一样大：直接融合两张图片，然后生成新图片。
• 代码实现： 

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char * argv[])
{

    Mat src1 = imread(argv[1]);  //src1原图像的数据
    Mat src2 = imread(argv[2]); //src2是LOGO图像的数据

    //判断src1大小和src2大小是否相同，若不同则和copyTo函数一样操作
    if(src1.size != src2.size)
    {
        //在src1中创建一个矩形区域(兴趣区域)和src2大小相同的图像
        Mat image_roi = src1(Rect(0, 0, src2.cols, src2.rows));

        //设置权重
        double alpha = 0.8;
        double beta = 1 - alpha;
        int gamma = 0;

        //将src2和src1的矩形区域(兴趣区域)进行融合，并将结果存入image_roi中
        addWeighted(image_roi, alpha, src2, beta, gamma, image_roi);

        imwrite("addweighted3.jpg", src1);
    }
    else
    {
        //src1和src2大小相同，直接进行加权操作
        double alpha = 0.3;
        double beta = 1 - alpha;
        int gamma = 0;

        Mat dst;
        addWeighted(src1, alpha, src2, beta, gamma,dst);
        imwrite("addweighted2.jpg", dst);
    }
    
    return 0;
}