【OpenCV + VS】用addWeighted实现图像线性融合

在OpenCV图像处理中，图像融合是最基础且常用的技术之一，广泛应用于特效制作、图像拼接、水印添加等场景。本文将聚焦核心函数addWeighted，详细拆解其语法规则、实现原理。

一、图像线性融合的核心原理

图像线性融合本质是通过权重分配，将两张图像按比例叠加，生成新的混合图像。其数学公式如下：


dst = src1 × alpha + src2 × beta + gamma

dst：融合后的目标图像src1、src2：待融合的两张源图像（需满足尺寸、类型一致）alpha：src1的权重（0~1之间，值越大src1越清晰）beta：src2的权重（0~1之间，值越大src2越清晰）gamma：亮度调节因子（通常设为0.0，可根据需求调整整体亮度）

关键原则：为保证融合后图像亮度正常，通常设置 alpha + beta = 1，避免像素值溢出导致画面过亮或失真。

二、核心函数addWeighted语法详解

addWeighted是OpenCV专门用于线性融合的API，语法格式和参数说明如下：

1. 函数原型


void cv::addWeighted(
    InputArray src1,        // 第一张源图像
    double alpha,           // 第一张图像的权重
    InputArray src2,        // 第二张源图像
    double beta,            // 第二张图像的权重
    double gamma,           // 亮度调节因子
    OutputArray dst,        // 融合后的目标图像
    int dtype = -1          // 目标图像数据类型（默认-1，与src1一致）
);

2. 参数详细说明

参数名	类型	说明
`src1`	InputArray	输入图像1，支持`Mat`等OpenCV图像格式，需与`src2`尺寸、通道数完全一致
`alpha`	double	图像1的权重系数，范围通常为[0,1]，控制图像1在融合结果中的清晰度
`src2`	InputArray	输入图像2，要求与`src1`的宽、高、通道数（如单通道/三通道）完全匹配
`beta`	double	图像2的权重系数，范围通常为[0,1]，与`alpha`互补（`alpha + beta = 1`）
`gamma`	double	叠加后的亮度偏移量，可正可负（正值提亮，负值变暗），默认0.0
`dst`	OutputArray	输出的融合图像，无需提前初始化，函数会自动分配内存
`dtype`	int	目标图像的数据类型（如CV_8UC3），默认-1表示与`src1`数据类型一致

3. 注意事项

图像匹配要求：src1和src2必须满足「宽高相同 + 通道数相同」，否则函数会报错（如三通道彩色图不能与单通道灰度图融合）。权重合理分配：若alpha + beta > 1，可能导致像素值超过255（8位图像），出现画面过曝、失真；若总和小于1，画面会偏暗。gamma的作用：当融合后图像整体偏暗时，可设置gamma=10~50提亮；偏亮时设置gamma=-10~-30变暗。

三、完整实现代码（可直接运行）

以下代码基于Visual Studio + OpenCV环境编写，实现了「用户输入权重→读取两张图像→线性融合→显示结果」的完整流程：


#include <opencv2/opencv.hpp>
#include <iostream>

// 引入OpenCV和标准库命名空间，简化代码
using namespace cv;
using namespace std;

int main(void)
{
    double alpha, beta;     // 两张图像的权重
    double input;           // 存储用户输入的alpha值
    Mat src1, src2, dst;    // 源图像1、源图像2、目标融合图像

    // 交互：让用户输入alpha值（0~1之间）
    cout << "==================== 简易图像线性融合工具 ====================" << endl;
    cout << "融合公式：dst = src1 × alpha + src2 × (1 - alpha) + 0.0" << endl;
    cout << "------------------------------------------------------------" << endl;
    cout << "请输入src1的权重（0~1之间，如0.3表示src1占30%，src2占70%）：";
    cin >> input;

    // 输入验证：确保alpha在有效范围
    if (input >= 0 && input <= 1)
    {
        alpha = input;
        beta = 1.0 - alpha;  // 自动计算src2的权重，保证总和为1
    }
    else
    {
        cout << "输入错误！alpha值必须在0~1之间，请重新运行程序。" << endl;
        return -1;
    }

    // 读取两张待融合的图像（注意路径格式：双反斜杠或单斜杠/）
    src1 = imread("C:imagesLinuxLogo.jpg");  // 替换为你的图像路径
    src2 = imread("C:imagesWindowsLogo.jpg");// 替换为你的图像路径

    // 检查图像1是否读取成功
    if (src1.empty())
    {
        cout << "错误：无法读取src1图像！请检查路径是否正确。" << endl;
        return -1;
    }
    // 检查图像2是否读取成功
    if (src2.empty())
    {
        cout << "错误：无法读取src2图像！请检查路径是否正确。" << endl;
        return -1;
    }

    // 关键检查：确保两张图像尺寸和类型一致
    if (src1.size() != src2.size() || src1.type() != src2.type())
    {
        cout << "错误：两张图像的尺寸（宽高）或像素类型不一致，无法融合！" << endl;
        return -1;
    }

    // 核心操作：调用addWeighted实现线性融合
    addWeighted(
        src1,    // 源图像1
        alpha,   // 图像1的权重
        src2,    // 源图像2
        beta,    // 图像2的权重
        0.0,     // gamma亮度因子（默认0.0）
        dst      // 输出的融合图像
    );

    // 创建显示窗口（WINDOW_AUTOSIZE：窗口大小自适应图像）
    namedWindow("图像线性融合结果", WINDOW_AUTOSIZE);
    imshow("图像线性融合结果", dst);  // 显示融合后的图像

    // 等待按键输入（0表示无限等待，按任意键关闭窗口）
    waitKey(0);
    destroyAllWindows();  // 释放窗口资源，避免内存泄漏

    return 0;
}