1 普通加法

1 加号相加

在 OpenCV 中，图像加法可以使用加号运算符（+）来实现。例如，如果要将两幅图像相加，可以使用以下代码：

import cv2

img1 = cv2.imread("image1.jpg")
img2 = cv2.imread("image2.jpg")

dst = img1 + img2

cv2.imshow("Result", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

使用+相加的计算原理是：
$$\begin{array}{c}y(x)=\{\begin{array}{r}a+b,a+b\le 255\\ (a+b)\%256,a+b>255\end{array}\end{array}$$
即当两份图像相加之后超过上限时，其值为除以256之后的余数。（注意与add函数的计算原理区分）

2 add函数

函数cv2.add()可以用来计算图像像素值相加的和，其语法格式为：

计算结果=cv2.add(像素值a，像素值b)

使用add相加的计算原理是：
$$\begin{array}{c}y(x)=\{\begin{array}{r}a+b,a+b\le 255\\ 255,a+b>255\end{array}\end{array}$$

通过对比可以看出两个方式的差异

import cv2  
  
a = cv2.imread("lenacolor.png", 0)  
b = a  
result1 = a + b  
result2 = cv2.add(a, b)  
cv2.imshow("original", a)  
cv2.imshow("+", result1)  
cv2.imshow("add", result2)  
cv2.waitKey()  
cv2.destroyAllWindows()

除了两个图像相加之外，图像还可以直接与数字相加：
$$img1=\left|\begin{array}{ccc}1& 1& 1\\ 2& 2& 2\\ 3& 3& 3\end{array}\right|$$
执行img2=cv2.add(img1,3)运算后，可得到：$$img2=\left|\begin{array}{ccc}4& 4& 4\\ 5& 5& 5\\ 6& 6& 6\end{array}\right|$$

2 加权相加

cv2.addWeighted() 函数是 OpenCV 中的图像加权混合函数。该函数可以将两幅图像按照给定的比例进行混合，得到新的图像。
加权相加的计算方法为：$$result=acr1\times alpha+acr2\times beta+gamma$$
该函数的语法格式如下：

cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) -> dst

参数说明：

• src1：第一幅图像。
• alpha：第一幅图像的比例系数。
• src2：第二幅图像。
• beta：第二幅图像的比例系数。
• gamma：结果图像的亮度调节，不调节则填0，但不可省略。
• dst：结果图像。
• dtype：结果图像的数据类型。

3 按位运算

1 按位与运算

OpenCV 中的按位与运算的计算原理是二进制位的位与运算。
在计算机中，图像的像素是以二进制位的形式存储的，因此按位与运算就是对两个图像的对应像素的二进制位进行“与”运算。
按位与运算的结果取决于两个数的二进制位上的值，如果两个二进制位都是 $1$，则结果为 $1$，否则结果为 $0$。
例如，如果 $A=10$（二进制为 $1010$），$B=6$（二进制为 $0110$），则 $A\text{and}B=2$（二进制为 $0010$）。
在 OpenCV 中，按位与运算可以应用于图像的二值化、边缘检测、形状分析等。通过按位与运算，可以将图像的某些部分提取出来，从而获得更多有用的信息。
通过这一特性，可以实现图片的按掩膜提取功能。

import cv2  
import numpy as np  
  
a = cv2.imread("lenacolor.png", 0)  
b = np.zeros(a.shape, dtype=np.uint8)  
b[100:400, 200:400] = 255  
c = cv2.bitwise_and(a, b)  
cv2.imshow("a", a)  
cv2.imshow("b", b)  
cv2.imshow("c", c)  
cv2.waitKey()  
cv2.destroyAllWindows()

2 按位或运算、非运算

OpenCV 中的按位或运算（Bitwise Or）和非运算（Bitwise Not）是对图像中的每一个像素进行二进制位上的运算。

• 按位或运算：按位或运算的结果取决于两个数的二进制位上的值，如果两个二进制位中至少有一个是 $1$，则结果为 $1$，否则结果为 $0$。
• 非运算：非运算是对图像中每一个像素的二进制位取反，如果原来是 $0$，则结果为 $1$；如果原来是 $1$，则结果为 $0$。

在 OpenCV 中，可以使用 cv2.bitwise_or() 和 cv2.bitwise_not() 函数来实现按位或运算和非运算，其使用方法同与运算。

4 掩膜

除了在按位与运算中执行掩膜操作外，在使用add函数时也可以通过mask信息。

import cv2
import numpy as np

img1 = cv2.imread("image1.jpg")
img2 = cv2.imread("image2.jpg")

mask = np.zeros(img1.shape[:2], dtype=np.uint8)
cv2.rectangle(mask, (100, 100), (200, 200), (255, 255, 255), -1)

dst = cv2.add(img1, img2, mask=mask)

cv2.imshow("Result", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，首先创建了一个全黑的掩膜，然后使用 cv2.rectangle() 函数在掩膜上绘制了一个白色的矩形，该矩形代表了加法运算只需要应用到图像的一部分。
最后，在调用 cv2.add() 函数时，将掩膜作为参数传入，从而只对图像的矩形区域进行加法运算。