多通道图像混合

视频讲解如下：

当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

不同编程语言对应的OpenCv版本以及开发环境信息如下： 

测试原图：

运行效果如下：

C#版本

C#版本需要安装“OpenCvSharp4”、“OpenCvSharp4.runtime.win”两个库才行。不然会报错。

如果需要使用“ BitmapConverter.ToBitmap”操作，则需要追加安装“OpenCvSharp4.Extensions”库。

using OpenCvSharp;
using System;

namespace demo
{
    internal class Program
    {
        static void Main(string[] args)
        {
            if (MultiChannelBlending())
            {
                Console.WriteLine("运行成功，得出了需要的图像~! ");
            }
            Cv2.WaitKey(0);
        }

        static bool MultiChannelBlending()
        {
            #region 多通道混合-蓝色分量部分
            // 【1】读入图片
            Mat logoImage = Cv2.ImRead("../../../images/dota_logo.jpg", 0);
            Mat srcImage = Cv2.ImRead("../../../images/dota_jugg.jpg");
            if (logoImage.Data == null) { Console.WriteLine("Oh，no，读取logoImage错误~！ \n"); return false; }
            if (srcImage.Data == null) { Console.WriteLine("Oh，no，读取srcImage错误~！ \n"); return false; }

            //【2】把一个3通道图像转换成3个单通道图像
            Mat[] channels;
            Cv2.Split(srcImage, out channels);//分离色彩通道

            //【3】将原图的蓝色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
            Mat imageBlueChannel = channels[0];
            //【4】将原图的蓝色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageBlueChannel中

            Cv2.AddWeighted(
                imageBlueChannel[new Rect(500, 250, logoImage.Cols, logoImage.Rows)],
                1.0, logoImage, 0.5, 0,
                imageBlueChannel[new Rect(500, 250, logoImage.Cols, logoImage.Rows)]);

            //【5】将三个单通道重新合并成一个三通道
            Cv2.Merge(channels, srcImage);

            //【6】显示效果图
            //Cv2.NamedWindow(" <1>游戏原画+logo蓝色通道");
            Cv2.ImShow(" <1>游戏原画+logo蓝色通道", srcImage);
            #endregion

            #region 多通道混合-绿色分量部分
            // 【1】读入图片
            logoImage = Cv2.ImRead("../../../images/dota_logo.jpg", 0);
            srcImage = Cv2.ImRead("../../../images/dota_jugg.jpg");
            if (logoImage.Data == null) { Console.WriteLine("读取logoImage错误~！ \n"); return false; }
            if (srcImage.Data == null) { Console.WriteLine("读取srcImage错误~！ \n"); return false; }

            //【2】将一个三通道图像转换成三个单通道图像
            Cv2.Split(srcImage, out channels);//分离色彩通道

            //【3】将原图的绿色通道的引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
            Mat imageGreenChannel = channels[1];
            //【4】将原图的绿色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageGreenChannel中
            Cv2.AddWeighted(
                imageGreenChannel[new Rect(500, 250, logoImage.Cols, logoImage.Rows)],
                1.0, logoImage, 0.5, 0,
                imageGreenChannel[new Rect(500, 250, logoImage.Cols, logoImage.Rows)]);

            //【5】将三个独立的单通道重新合并成一个三通道
            Cv2.Merge(channels, srcImage);

            //【6】显示效果图
            //Cv2.NamedWindow("<2>游戏原画+logo绿色通道");
            Cv2.ImShow("<2>游戏原画+logo绿色通道", srcImage);
            #endregion

            #region 多通道混合-红色分量部分
            // 【1】读入图片
            logoImage = Cv2.ImRead("../../../images/dota_logo.jpg", 0);
            srcImage = Cv2.ImRead("../../../images/dota_jugg.jpg");
            if (logoImage.Data == null) { Console.WriteLine("读取logoImage错误~！ \n"); return false; }
            if (srcImage.Data == null) { Console.WriteLine("读取srcImage错误~！ \n"); return false; }

            //【2】将一个三通道图像转换成三个单通道图像
            Cv2.Split(srcImage, out channels);//分离色彩通道

            //【3】将原图的红色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
            imageGreenChannel = channels[2];
            //【4】将原图的红色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageRedChannel中
            Cv2.AddWeighted(
            imageGreenChannel[new Rect(500, 250, logoImage.Cols, logoImage.Rows)],
            1.0, logoImage, 0.5, 0,
            imageGreenChannel[new Rect(500, 250, logoImage.Cols, logoImage.Rows)]);

            //【5】将三个独立的单通道重新合并成一个三通道
            Cv2.Merge(channels, srcImage);

            //【6】显示效果图
            //Cv2.NamedWindow("<3>游戏原画+logo红色通道 ");
            Cv2.ImShow("<3>游戏原画+logo红色通道 ", srcImage);
            #endregion

            return true;
        }
    }
}

C++版本

C++版本采用的是毛星云的代码

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

using namespace cv;
using namespace std;

bool MultiChannelBlending()
{
	//【0】定义相关变量
	Mat srcImage;
	Mat logoImage;
	vector<Mat> channels;
	Mat  imageBlueChannel;

	//=================【蓝色通道部分】=================
	//	描述：多通道混合-蓝色分量部分
	//============================================

	// 【1】读入图片
	logoImage = imread("../images/dota_logo.jpg", 0);
	srcImage = imread("../images/dota_jugg.jpg");

	if (!logoImage.data) { printf("Oh，no，读取logoImage错误~！ \n"); return false; }
	if (!srcImage.data) { printf("Oh，no，读取srcImage错误~！ \n"); return false; }

	//【2】把一个3通道图像转换成3个单通道图像
	split(srcImage, channels);//分离色彩通道

	//【3】将原图的蓝色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
	imageBlueChannel = channels.at(0);
	//【4】将原图的蓝色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageBlueChannel中
	addWeighted(imageBlueChannel(Rect(500, 250, logoImage.cols, logoImage.rows)), 1.0,
		logoImage, 0.5, 0, imageBlueChannel(Rect(500, 250, logoImage.cols, logoImage.rows)));

	//【5】将三个单通道重新合并成一个三通道
	merge(channels, srcImage);

	//【6】显示效果图
	namedWindow(" <1>游戏原画+logo蓝色通道");
	imshow(" <1>游戏原画+logo蓝色通道", srcImage);


	//=================【绿色通道部分】=================
	//	描述：多通道混合-绿色分量部分
	//============================================

	//【0】定义相关变量
	Mat  imageGreenChannel;

	//【1】重新读入图片
	logoImage = imread("dota_logo.jpg", 0);
	srcImage = imread("dota_jugg.jpg");

	if (!logoImage.data) { printf("读取logoImage错误~！ \n"); return false; }
	if (!srcImage.data) { printf("读取srcImage错误~！ \n"); return false; }

	//【2】将一个三通道图像转换成三个单通道图像
	split(srcImage, channels);//分离色彩通道

	//【3】将原图的绿色通道的引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
	imageGreenChannel = channels.at(1);
	//【4】将原图的绿色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageGreenChannel中
	addWeighted(imageGreenChannel(Rect(500, 250, logoImage.cols, logoImage.rows)), 1.0,
		logoImage, 0.5, 0., imageGreenChannel(Rect(500, 250, logoImage.cols, logoImage.rows)));

	//【5】将三个独立的单通道重新合并成一个三通道
	merge(channels, srcImage);

	//【6】显示效果图
	namedWindow("<2>游戏原画+logo绿色通道");
	imshow("<2>游戏原画+logo绿色通道", srcImage);

	//=================【红色通道部分】=================
	//	描述：多通道混合-红色分量部分
	//============================================

	//【0】定义相关变量
	Mat  imageRedChannel;

	//【1】重新读入图片
	logoImage = imread("../images/dota_logo.jpg", 0);
	srcImage = imread("../images/dota_jugg.jpg");

	if (!logoImage.data) { printf("Oh，no，读取logoImage错误~！ \n"); return false; }
	if (!srcImage.data) { printf("Oh，no，读取srcImage错误~！ \n"); return false; }

	//【2】将一个三通道图像转换成三个单通道图像
	split(srcImage, channels);//分离色彩通道

	//【3】将原图的红色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
	imageRedChannel = channels.at(2);
	//【4】将原图的红色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageRedChannel中
	addWeighted(imageRedChannel(Rect(500, 250, logoImage.cols, logoImage.rows)), 1.0,
		logoImage, 0.5, 0., imageRedChannel(Rect(500, 250, logoImage.cols, logoImage.rows)));

	//【5】将三个独立的单通道重新合并成一个三通道
	merge(channels, srcImage);

	//【6】显示效果图
	namedWindow("<3>游戏原画+logo红色通道 ");
	imshow("<3>游戏原画+logo红色通道 ", srcImage);

	return true;
}

int main()
{
	if (MultiChannelBlending())
	{
		cout << endl << "\n运行成功，得出了需要的图像~! ";
	}
	waitKey(0);
	return 0;
}

Python版本

import cv2


def MultiChannelBlending():
    # =================【蓝色通道部分】=================
    #  描述：多通道混合-蓝色分量部分
    # ============================================

    # 【1】读入图片
    logoImage = cv2.imread('../images/dota_logo.jpg', 0)
    srcImage = cv2.imread('../images/dota_jugg.jpg')

    if logoImage is None:
        print("Oh，no，读取logoImage错误~！ \n")
        return False

    if srcImage is None:
        print("Oh，no，读取srcImage错误~！ \n")
        return False

    # 【2】把一个3通道图像转换成3个单通道图像
    ImgB, ImgG, ImgR = cv2.split(srcImage)

    # 【3】将原图的蓝色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到ImgB中
    rows, cols = logoImage.shape
    cv2.addWeighted(
        ImgB[250:250 + rows, 500:500 + cols],
        1, logoImage, 0.5, 0,
        ImgB[250:250 + rows, 500:500 + cols])

    # 【4】将三个单通道重新合并成一个三通道
    srcImage = cv2.merge([ImgB, ImgG, ImgR])

    # 【5】显示效果图
    cv2.imshow("Blue", srcImage)

    # =================【绿色分量部分】=================
    #  描述：多通道混合-绿色分量部分
    # ============================================

    # 【1】读入图片
    logoImage = cv2.imread('../images/dota_logo.jpg', 0)
    srcImage = cv2.imread('../images/dota_jugg.jpg')

    if logoImage is None:
        print("Oh，no，读取logoImage错误~！ \n")
        return False

    if srcImage is None:
        print("Oh，no，读取srcImage错误~！ \n")
        return False

    # 【2】把一个3通道图像转换成3个单通道图像
    ImgB, ImgG, ImgR = cv2.split(srcImage)

    # 【3】将原图的绿色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到ImgG中
    rows, cols = logoImage.shape
    cv2.addWeighted(
        ImgG[250:250 + rows, 500:500 + cols],
        1, logoImage, 0.5, 0,
        ImgG[250:250 + rows, 500:500 + cols])

    # 【4】将三个单通道重新合并成一个三通道
    srcImage = cv2.merge([ImgB, ImgG, ImgR])

    # 【5】显示效果图
    cv2.imshow("Green", srcImage)

    # =================【红色分量部分】=================
    #  描述：多通道混合-红色分量部分
    # ============================================

    # 【1】读入图片
    logoImage = cv2.imread('dota_logo.jpg', 0)
    srcImage = cv2.imread('dota_jugg.jpg')

    if logoImage is None:
        print("Oh，no，读取logoImage错误~！ \n")
        return False

    if srcImage is None:
        print("Oh，no，读取srcImage错误~！ \n")
        return False

    # 【2】把一个3通道图像转换成3个单通道图像
    ImgB, ImgG, ImgR = cv2.split(srcImage)

    # 【3】将原图的红色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到ImgR中
    rows, cols = logoImage.shape
    cv2.addWeighted(
        ImgR[250:250 + rows, 500:500 + cols],
        1, logoImage, 0.5, 0,
        ImgR[250:250 + rows, 500:500 + cols])

    # 【4】将三个单通道重新合并成一个三通道
    srcImage = cv2.merge([ImgB, ImgG, ImgR])

    # 【5】显示效果图
    cv2.imshow("Red", srcImage)


MultiChannelBlending()
cv2.waitKey(0)