在这种情况下，cv2.addWeighted 和 numpy mean 有什么区别？答案

【问题标题】：What is the difference between cv2.addWeighted and numpy mean, in this case?在这种情况下，cv2.addWeighted 和 numpy mean 有什么区别？
【发布时间】：2019-11-27 14:42:16
【问题描述】：

假设我有两个 OpenCV（python 包cv2）加载的灰度图像img1 和img2，两者尺寸相同。现在，我想取img1 和img2 的平均值。这里有两种方法：

# Method 1
mean = (img1 * 0.5) + (img2 * 0.5)

# Method 2
mean = cv2.addWeighted(img1,0.5,img2,0.5,0)

但是，当我使用cv2.imshow 显示mean 时，这两种方法在视觉上是不同的。为什么会这样？

【问题讨论】：

你确定 img1 和 img2 的可能范围是 0 到 1？
还有，cv2的完整包名是什么？如果我们不知道它是什么，就很难找到文档。
@topher217: img1 和 img2 是 8 位无符号整数，因此它们在 [0,255] 中。 cv2 代表 OpenCV 的 python 实现（完整的包名本身是cv2）：opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/…。抱歉，我忘了提。
啊，我得到了错误！问题是 cv2.imshow 期望图像在 [0,1] 范围内。大于 1 的像素设置为 255。
您能否对此进行扩展并为您自己的问题提供答案？您如何将mean 从平均范围 0 -> 255 转换为 cv2.imshow 可以接受的 0 -> 1 之一？方法 1 的值是否超过 255（裁剪），而方法 2 不是？

标签： python-3.x opencv

【解决方案1】：

很高兴您找到了解决问题的有效方法，但这似乎是一种解决方法。这种行为的真正原因在于其他地方。这里的问题是mean = (img1 * 0.5) + (img2 * 0.5) 正在返回一个具有float32 数据类型的矩阵，其中包含0.0 - 255.0 范围内的值。您可以使用print mean.dtype 来验证这一点。由于新的矩阵值已无意中转换为浮点数，我们可以使用(img_1 * 0.5 + img_2 * 0.5).astype("uint8") 恢复此操作。如果是cv2.addWeighted()，它会自动返回一个数据类型为uint8 的矩阵，一切都会正常工作。

我关心的是你得出的结论：

问题在于 cv2.imshow() 方法用于显示图像，期望您的图像数组被规范化，即在 [0,1] 范围内。

cv2.imshow() 在[0-255] 和[0.0-1.0] 的范围内工作得很好，但是当您传递一个值在[0-255] 范围内的矩阵时会出现问题，但dtype 是float32 而不是uint8 .

【讨论】：

【解决方案2】：

回答我自己的问题，以帮助其他对此感到困惑的人：

方法 1 和 2 产生相同的结果。您可以通过使用cv2.imwrite 将mean 映像写入磁盘来验证这一点。问题不在于方法。

问题在于用于显示图像的cv2.imshow 方法期望您的图像数组被标准化，即在[0,1] 范围内。在我的例子中，两个图像数组都是 8 位无符号整数，因此它的像素值在 [0,255] 范围内。由于mean 是两个数组的平均值，因此它的像素值也在 [0,255] 范围内。因此，当我将 mean 传递给 cv2.imshow 时，值大于 1 的像素被解释为值 255，导致视觉效果大不相同。

解决方案是在将mean 传递给cv2.imshow 之前对其进行规范化：

# Method 1
mean = (img1 * 0.5) + (img2 * 0.5)

# Method 2
mean = cv2.addWeighted(img1,0.5,img2,0.5,0)

# Note that the division by 255 results in the image array values being squeezed to [0,1].

cv2.imshow("Averaged", mean/255.)

【讨论】：