本次教程我們將概述圖像的算數運算，眾所周知，數學中有着加減乘除運算，同樣的，圖像也是如此，它的本質實際上就是一個矩陣，所以圖像也存在着加法、減法、位運算等等算數運算。
加法
使用cv2.add()將兩個圖像相加，可以使用numpy中的矩陣加法來實現。但是在opencv中加法是飽和操作，也就是有上限值，numpy會對結果取模，綜上，使用opencv的效果更好，我們來看函數實例：
cv2.add(img1, img2) # 進行圖片的加和
參數說明： cv2.add將兩個圖片進行加和，大於255的使用255計數.
我們將使用以下兩個圖片作為實例：
來看代碼：
import cv2
img1 = cv2.imread("01.jpg")
img2 = cv2.imread("02.jpg")
res = cv2.add(img1,img2)
cv2.imshow("res",res)
cv2.waitKey(0)
cv2.destroyAllWindows()
不難理解，第一幅圖像白色部分像素部分為255，黑色部分像素為0，所以和第二幅圖像加起來之后白色部分仍然是白色部分，因為加起來的值大於255時，默認取值255.
減法
減法運算就是兩幅圖像見對象像素的灰度值或彩色分量進行相減，它可以用於目標檢測，需要用到函數cv2.subtract（），程序實現：
import cv2
img1 = cv2.imread("01.jpg")
img2 = cv2.imread("02.jpg")
res = cv2.subtract(img1,img2)
cv2.imshow("res",res)
cv2.waitKey(0)
cv2.destroyAllWindows()
乘法
圖像的乘法運算就是將兩幅圖像對應的灰度值或彩色分量進行相乘。
乘運算的主要作用是抑制圖像的某些區域，掩膜值置為1，否則置為0。乘運算有時也被用來實現卷積或相關的運算，其相關函數為cv2.multiply（）。
以下為相關程序代碼：
import cv2
img1 = cv2.imread("01.jpg")
img2 = cv2.imread("02.jpg")
res = cv2.multiply(img1,img2)
cv2.imshow("res",res)
cv2.waitKey(0)
cv2.destroyAllWindows()
除法
圖像除運算就是兩幅圖像對應像素的灰度值或彩色分量進行相除。簡單的出運算可以用於改變圖像的灰度級。其相關函數為cv2.divide。
以下為代碼部分：
import cv2
img1 = cv2.imread("01.jpg")
img2 = cv2.imread("02.jpg")
res = cv2.divide(img1,img2)
cv2.imshow("res",res)
cv2.waitKey(0)
cv2.destroyAllWindows()
圖像融合
它實際上本質也是一個加法運算，但是這個加法運算跟普通的並不一樣，我們可以理解為是一種加權的運算。
我們用函數來表示一個圖像，前提是所有的圖像尺寸是一樣的，即圖像矩陣的行列一樣，通道數一樣。
我們用 f0(x) 和 f1(x) 來表示輸入的圖像，用 g(x) 來表示輸出圖像，α表示比例（ 0≤α≤1 ，一般來說，α取0和1沒有太大意義），那我們能得到如下圖所示的一個公式：
所以圖像混合就是將兩個圖像按照一定的比例轉存到另一個圖像中。
首先需要看一下函數原型：
cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) → dst
參數：
src1 第一個輸入數組。
alpha 第一個數組元素的權重。
src2 第二個輸入數組，其大小和通道號與src1相同。
beta 第二個數組元素的權重。
gamma 標量加到每個和。
dst 輸出數組，其大小和通道數與輸入數組相同。
dtype 輸出數組的可選深度；當兩個輸入數組的深度相同時，可以將dtype設置為-1，這等效於src1.depth（）。
此函數可以用以下矩陣表達式進行代替：
dst = src1 * alpha + src2 * beta + gamma;
注意：由參數說明可以看出，被疊加的兩幅圖像必須是尺寸相同、類型相同的；並且，當輸出圖像array的深度為CV_32S時，這個函數就不適用了，這時候就會內存溢出或者算出的結果壓根不對。
我們來看一下代碼：
import cv2
img1 = cv2.imread("01.jpg")
img = cv2.imread("02.jpg")
h, w, _ = img1.shape
img2 = cv2.resize(img, (w,h), interpolation=cv2.INTER_AREA)
alpha = 0.7
beta = 1-alpha
gamma = 0
img_add = cv2.addWeighted(img1, alpha, img2, beta, gamma)
cv2.imshow('img_add',img_add)
cv2.waitKey()
cv2.destroyAllWindows()
效果：
此函數最大的缺陷就是需要兩張圖片尺寸必須完全一樣，所以在實驗時必須要注意。
按位運算
我們在學習數電時想必都學過邏輯運算，OpenCV中也有相關的運算。與或非這些想必就不必再多講了，我們可以通過代碼實驗來熟悉：
與運算：
import cv2
img1 = cv2.imread("01.jpg")
img2 = cv2.imread("02.jpg")
res = cv2.bitwise_and(img1,img2)
cv2.imshow("res",res)
cv2.waitKey()
cv2.destroyAllWindows()
或運算：
import cv2
img1 = cv2.imread("01.jpg")
img2 = cv2.imread("02.jpg")
res = cv2.bitwise_or(img1,img2)
cv2.imshow("res",res)
cv2.waitKey()
cv2.destroyAllWindows()
可以看到，跟加法運算基本上類似。
非運算：
import cv2
img1 = cv2.imread("01.jpg")
img2 = cv2.imread("02.jpg")
res = cv2.bitwise_not(img1,img2)
cv2.imshow("res",res)
cv2.waitKey()
cv2.destroyAllWindows()
非運算在之后的學習中是非常有幫助的，它的以用來對二值化圖像進行取反，然后方便進行形態學操作。
異或運算：
import cv2
img1 = cv2.imread("01.jpg")
img2 = cv2.imread("02.jpg")
res = cv2.bitwise_xor(img1,img2)
cv2.imshow("res",res)
cv2.waitKey()
cv2.destroyAllWindows()
關於圖像的所有的基本運算就介紹到這里。
現在帶大家做一個好玩的小項目，題目是：
用OpenCV完成一個幻燈片演示一幅圖轉成另一幅圖，並在圖像之間進行平滑過渡。
實際上，我們使用剛剛的線性加權函數就可以完成，我們只需要定義一個變量a，然后讓其值小於一，變量的值依次遞增。這樣總體進行分析的話，第一幅圖圖像的加權值為a，第二幅圖像的加權值為1-a，那么在一個循環里面它們會進行動態過渡，我們來看一下代碼：
import cv2 as cv
img1 = cv.imread('01.jpg')
img2 = cv.imread('02.jpg')
l, h = img1.shape[0:2]
img2_R = cv.resize(img2, (h, l))
a=0
cv.namedWindow('ppt',True)
dst = cv.addWeighted(img1, a, img2_R, 1-a, -1)
cv.imshow('ppt', dst)
cv.waitKey(0)
while a<1.0:
dst = cv.addWeighted(img1, a, img2_R, 1-a, -1)
cv.imshow('ppt', dst)
cv.waitKey(100)
a+=0.02
cv.waitKey(0)
cv.destroyAllWindows()
按下esc鍵開始幻燈片放映，由於效果為動態，此處不便展示，大家請自己實驗，還是很有意思的。