当前位置: 首页 > article >正文

OpenCV CUDA模块图像处理------图像融合函数blendLinear()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

该函数执行 线性融合(加权平均) 两个图像 img1 和 img2,使用对应的权重图 weights1 和 weights2。

融合公式如下:
r e s u l t ( x , y ) = i m g 1 ( x , y ) ⋅ w e i g h t s 1 ( x , y ) + i m g 2 ( x , y ) ⋅ w e i g h t s 2 ( x , y ) result(x,y)=img1(x,y)⋅weights1(x,y)+img2(x,y)⋅weights2(x,y) result(x,y)=img1(x,y)weights1(x,y)+img2(x,y)weights2(x,y)
每个像素点根据各自的权重进行线性组合。

函数原型

void cv::cuda::blendLinear 	
(InputArray  	img1,InputArray  	img2,InputArray  	weights1,InputArray  	weights2,OutputArray  	result,Stream &  	stream = Stream::Null() 
) 		

参数

参数名说明
img1输入图像 1 第一幅输入图像
img2输入图像 2 第二幅输入图像,必须与 img1 尺寸和类型相同
weights1权重图 1 与 img1 对应的权重图,单通道浮点型(CV_32F)
weights2权重图 2 与 img2 对应的权重图,单通道浮点型(CV_32F)
result输出图像 输出结果,与输入图像大小和类型一致
stream流对象 用于异步执行的 CUDA 流。默认为 Stream::Null(),即同步执行

代码示例

#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp>int main() {// Step 1: 加载两幅图像cv::Mat img1 = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/stich1.png");cv::Mat img2 = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/stich2.png");if (img1.empty() || img2.empty()) {std::cerr << "Failed to load images!" << std::endl;return -1;}// Step 2: 确保图像尺寸一致cv::resize(img2, img2, img1.size());// Step 3: 创建权重图(例如:渐变效果)cv::Mat weight1(img1.size(), CV_32F, 0.5f);  // 全图权重 0.5cv::Mat weight2 = 1.0f - weight1;             // 反向权重图// Step 4: 上传数据到 GPUcv::cuda::GpuMat d_img1, d_img2, d_weight1, d_weight2, d_result;d_img1.upload(img1);d_img2.upload(img2);d_weight1.upload(weight1);d_weight2.upload(weight2);d_result.create(img1.size(), img1.type());// Step 5: 执行线性融合cv::cuda::blendLinear(d_img1, d_img2, d_weight1, d_weight2, d_result);// Step 6: 下载并显示结果cv::Mat result;d_result.download(result);cv::imshow("Original Image 1", img1);cv::imshow("Original Image 2", img2);cv::imshow("Blended Image", result);cv::waitKey(0);return 0;
}

运行结果

在这里插入图片描述

相关文章:

OpenCV CUDA模块图像处理------图像融合函数blendLinear()

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 该函数执行 线性融合&#xff08;加权平均&#xff09; 两个图像 img1 和 img2&#xff0c;使用对应的权重图 weights1 和 weights2。 融合公式…...

Linux服务器如何安装wps?

1.到wps官网 https://www.wps.cn/product/wpslinux 2.到安装目录上执行命令 sudo dpkg -i wps-office*.deb 3.启动wps 在终端中输入 wps 命令即可启动 WPS...

图片压缩工具 | 图片生成PDF文档

OPEN-IMAGE-TINY&#xff0c;一个基于 Electron VUE3 的图片压缩工具&#xff0c;项目开源地址&#xff1a;https://github.com/0604hx/open-image-tiny ℹ️ 需求描述 上一版本发布后&#xff0c;有用户提出想要将图片转换&#xff08;或者说生成更为贴切&#xff09;PDF文档…...

Python的浅拷贝与深拷贝

一、浅拷贝 浅拷贝&#xff0c;指的是重新分配一块内存&#xff0c;创建一个新的对象&#xff0c;但里面的元素是原对象中各个子对象的引用。 浅拷贝有几种方法&#xff1a; 1、 使用数据类型本身的构造器 list1[1,2,3]list2 list(list1) # 使用了数据类型本身的构造器 list…...

VSCode - VSCode 放大与缩小代码

VSCode 放大与缩小代码 1、放大 点击顶部菜单栏【查看】 -> 点击外观 -> 点击【放大】 或者&#xff0c;使用快捷键&#xff1a;Ctrl # 操作方式先按住 Ctrl 键&#xff0c;再按 键2、缩小 点击顶部菜单栏【查看】 -> 点击外观 -> 点击【缩小】 或者&#x…...

消息队列处理模式:流式与批处理的艺术

&#x1f30a; 消息队列处理模式&#xff1a;流式与批处理的艺术 &#x1f4cc; 深入解析现代分布式系统中的数据处理范式 一、流式处理&#xff1a;实时数据的"活水" 在大数据时代&#xff0c;流式处理已成为实时分析的核心技术。它将数据视为无限的流&#xff0c;…...

11-Oracle 23ai Vector Embbeding和ONNX

Embedding &#xff08;模型嵌入&#xff09;是 AI 领域的一个核心概念 一、Embedding&#xff08;嵌入&#xff09;的含义 Embedding 是一种将 非结构化数据​&#xff08;如文本、图像、音频、视频&#xff09;转换为 数值向量的技术。 其核心是通过 嵌入模型​&#xff08;…...

Build a Large Language Model (From Scratch) 序章

关于本书 《从零构建大型语言模型》旨在帮助读者全面理解并从头创建类似GPT的大型语言模型&#xff08;LLMs&#xff09;。 全书首先聚焦于文本数据处理的基础知识和注意力机制的编码&#xff0c;随后指导读者逐步实现一个完整的GPT模型。书中还涵盖了预训练机制以及针对文本…...

【HarmonyOS 5】教育开发实践详解以及详细代码案例

以下是基于 ‌HarmonyOS 5‌ 的教育应用开发实践详解及核心代码案例&#xff0c;结合分布式能力与教育场景需求设计&#xff1a; 一、教育应用核心开发技术 ‌ArkTS声明式UI‌ 使用 State 管理学习进度状态&#xff0c;LocalStorageProp 实现跨页面数据同步&#xff08;如课程…...

NoSQL 之Redis哨兵

目录 一、Redis 哨兵模式概述 &#xff08;一&#xff09;背景与核心目标 &#xff08;二&#xff09;基本架构组成 &#xff08;三&#xff09;核心功能 二、哨兵模式实现原理 &#xff08;一&#xff09;配置关键参数 &#xff08;二&#xff09;哨兵节点的定时任务 …...

【nano与Vim】常用命令

使用nano编辑器 保存文件 &#xff1a; 按下CtrlO组合键&#xff0c;然后按Enter键确认文件名。 退出编辑器 &#xff1a; 按下CtrlX组合键。 使用vi或vim编辑器 保存文件 &#xff1a; 按Esc键退出插入模式&#xff0c;然后输入:w并按Enter键保存文件。 退出编辑器 &#xf…...

OpenCV 图像色彩空间转换与抠图

一、知识点: 1、色彩空间转换函数 (1)、void cvtColor( InputArray src, OutputArray dst, int code, int dstCn 0, AlgorithmHint hint cv::ALGO_HINT_DEFAULT ); (2)、将图像从一种颜色空间转换为另一种。 (3)、参数说明: src: 输入图像&#xff0c;即要进行颜…...

Amazing晶焱科技:电子系统产品在多次静电放电测试后的退化案例

在我们的电子设计世界里&#xff0c;ESD&#xff08;静电放电&#xff09;问题总是让人头疼。尤其是当客户面临系统失效的困境时&#xff0c;寻找一个能够彻底解决问题的方案就变得格外重要。这一次&#xff0c;我们要谈的是一个经典案例&#xff1a;电子系统产品在多次静电放电…...

Go 中的 Map 与字符处理指南

Go 中的 Map 与字符处理指南 在 Go 中&#xff0c;map 可以存储字符&#xff0c;但需要理解字符在 Go 中的表示方式。在 Go 语言中&#xff0c;"字符" 实际上有两种表示方法&#xff1a;byte&#xff08;ASCII 字符&#xff09;和 rune&#xff08;Unicode 字符&…...

互联网大厂Java求职面试:云原生架构下的微服务网关与可观测性设计

互联网大厂Java求职面试&#xff1a;云原生架构下的微服务网关与可观测性设计 郑薪苦怀着忐忑的心情走进了会议室&#xff0c;对面坐着的是某大厂的技术总监张总&#xff0c;一位在云原生领域有着深厚积累的专家。 第一轮面试&#xff1a;微服务网关的设计挑战 张总&#xf…...

C++中const关键字详解:不同情况下的使用方式

在 C 中&#xff0c;const 关键字用于指定一个对象或变量是常量&#xff0c;意味着它的值在初始化之后不能被修改。下面详细介绍 const 修饰变量、指针、类对象和类中成员函数的区别以及注意事项。 修饰变量 详细介绍 当 const 修饰变量时&#xff0c;该变量成为常量&#x…...

Java 2D 图形类总结与分类

一、基本形状类 这些类用于绘制简单的标准几何形状。 1. 圆形 / 椭圆类 Ellipse2D&#xff1a;椭圆基类&#xff0c;支持浮点精度。 子类&#xff1a; Ellipse2D.Double&#xff1a;双精度浮点坐标。Ellipse2D.Float&#xff1a;单精度浮点坐标。 参数&#xff1a;x, y, wid…...

C# 快速检测 PDF 是否加密,并验证正确密码

引言&#xff1a;为什么需要检测PDF加密状态&#xff1f; 在批量文档处理系统&#xff08;如 OCR 文字识别、内容提取、格式转换&#xff09;中&#xff0c;加密 PDF 无法直接操作。检测加密状态可提前筛选文件&#xff0c;避免流程因密码验证失败而中断。 本文使用 Free Spire…...

服务器信任质询

NSURLSession 与 NSURLAuthenticationMethodServerTrust —— 从零开始的“服务器信任质询”全流程 目标读者&#xff1a;刚接触 iOS 网络开发、准备理解 HTTPS 与证书校验细节的同学 出发点&#xff1a;搞清楚为什么会有“质询”、质询的触发时机、以及在 delegate 里怎么正确…...

华为云Flexus+DeepSeek征文| 华为云Flexus X实例单机部署Dify-LLM应用开发平台全流程指南

华为云FlexusDeepSeek征文&#xff5c; 华为云Flexus X实例单机部署Dify-LLM应用开发平台全流程指南 前言一、相关名词介绍1.1 华为云Flexus X实例介绍1.2 Dify介绍1.3 DeepSeek介绍1.4 华为云ModelArts Studio介绍 二、部署方案介绍2.1 方案介绍2.2 方案架构2.3 需要资源2.4 本…...

Python: 操作 Excel折叠

💡Python 操作 Excel 折叠(分组)功能详解(openpyxl & xlsxwriter 双方案) 在处理 Excel 报表或数据分析时,我们常常希望通过 折叠(分组)功能 来提升表格的可读性和组织性。本文将详细介绍如何使用 Python 中的两个主流 Excel 操作库 —— openpyxl 和 xlsxwriter …...

IBM官网新闻爬虫代码示例

通常我们使用Python编写爬虫&#xff0c;常用的库有requests&#xff08;发送HTTP请求&#xff09;和BeautifulSoup&#xff08;解析HTML&#xff09;。但这里需要注意的是&#xff0c;在爬取任何网站之前&#xff0c;务必遵守该网站的robots.txt文件和相关法律法规&#xff0c…...

Java持久层技术对比:Hibernate、MyBatis与JPA的选择与应用

目录 简介持久层技术概述Hibernate详解MyBatis详解JPA详解技术选型对比最佳实践与应用场景性能优化策略未来发展趋势总结与建议 简介 在Java企业级应用开发中&#xff0c;持久层&#xff08;Persistence Layer&#xff09;作为连接业务逻辑与数据存储的桥梁&#xff0c;其技…...

Spring Boot实现接口时间戳鉴权

Spring Boot实现接口时间戳鉴权&#xff0c;签名&#xff08;sign&#xff09;和时间戳&#xff08;ts&#xff09;放入请求头&#xff08;Header&#xff09;。 一、请求头参数设计 参数名类型说明tsLong13位时间戳&#xff08;Unix毫秒值&#xff09;&#xff0c;必填&…...

视觉SLAM基础补盲

3D Gaussian Splatting for Real-Time Radiance Field Rendering SOTA方法3DGS contribution传统重建基于点的渲染NeRF 基础知识补盲光栅化SFM三角化极线几何标准的双目立体视觉立体匹配理论与方法立体匹配的基本流程李群和李代数 李群和李代数的映射李代数的求导李代数解决求导…...

STM32外设问题总结

SPI&#xff1a; ①&#xff0e;软件SPI和硬件SPI有什么不一样&#xff1f; 答&#xff1a;软件SPI需要在代码中进行配置相关代码&#xff0c;如配置引脚等&#xff0c;而硬件SPI的话是它已经在硬件上已经配置好SPI了&#xff0c;已经可以直接实现&#xff0c;所以可以直接使…...

Vue-3-前端框架Vue基础入门之VSCode开发环境配置和Tomcat部署Vue项目

文章目录 1 安装配置VSCode1.1 安装中文语言插件1.2 主题颜色1.3 禁用自动更新1.4 开启代码提示设置1.5 安装open in browser插件2 安装配置nodejs2.1 配置环境变量2.2 npm与maven的区别2.3 使用npm避坑3 创建Vue项目3.1 两种创建方式3.2 package.json3.3 安装新的依赖3.4 运行…...

动态IP与静态IP:数字世界的“变脸术”与“身份证”

目录 动态IP&#xff1a;互联网的“游牧民族” 静态IP&#xff1a;数字世界的“常驻公民” 动态VS静态&#xff1a;场景驱动的选择逻辑 未来演进&#xff1a;IP地址的“液态化”趋势 选型指南&#xff1a;没有最好&#xff0c;只有最合适 在互联网的海洋里&#xff0c;每个…...

“一代更比一代强”:现代 RAG 架构的演进之路

编者按&#xff1a; 我们今天为大家带来的文章&#xff0c;作者的观点是&#xff1a;RAG 技术的演进是一个从简单到复杂、从 Naive 到 Agentic 的系统性优化过程&#xff0c;每一次优化都是在试图解决无数企业落地大语言模型应用时出现的痛点问题。 文章首先剖析 Naive RAG 的基…...

My图床项目

引言: 在海量文件存储中尤其是小文件我们通常会用上fastdfs对数据进行高效存储,在现实生产中fastdfs通常用于图片,文档,音频等中小文件。 一.项目中用到的基础组件(Base) 1.网络库(muduo) 我们就以muduo网络库为例子讲解IO多路复用和reactor网络模型 1.1 IO多路复用 我们可以…...