机器视觉之图像add的三种方式

最新推荐文章于 2021-11-27 18:04:25 发布

原创最新推荐文章于 2021-11-27 18:04:25 发布 · 759 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器视觉 #matlab #add

机器视觉专栏收录该内容

10 篇文章

订阅专栏

本文通过Matlab实验对比分析了不同图像融合方法的效果。实验中使用两张图片进行直接相加、平均融合等操作，并探讨了像素值超出范围时对图像显示的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 测试环境

Matlab

2.代码与原图

girl1=imread('1.jpg');
girl2=imread('2.jpg');

imshow(girl1);
disp('girl1 image size:');
disp(size(girl1));

imshow(girl2);
disp('girl2 image size');
disp(size(girl2));

add1=girl1+girl2;
figure(1),imshow(add1);

add2=girl1./2+girl2./2;
figure(2),imshow(add2);

add3=add1./2;
figure(3),imshow(add3);

原图如下：
girl1：
这里写图片描述

girl2：
这里写图片描述

3. 结果与分析

这里写图片描述

可以看到，只有figure2是我们想要的结果，那么figure1和figure3问题出在哪里呢?
第一张图片很容易理解，直接相加会让像素点的值增大，所以大部分区域趋于白色，
而第三张图片偏暗是怎么回事呢？
举个简单的例子，对应像素点的值分别为200和180，
对于图片二由200/2+180/2=190
对于图片三计算方式为（200+180）/2 但问题在于像素点的取值有范围限制，最大为255，所以实际计算是255/2得到128，比第二张图的值小了很多。