在图像处理中有两类最重要的基础操作分别是图像点操作与块操作，简单点说图像点操作就是图像每个像素点的相关逻辑与几何运算、块操作最常见就是基于卷积算子的各种操作、实现各种不同的功能。
1.图像加法
使用cv2.add()将两幅图像进行加法运算， 也可以直接使用numpy， res=img1+img2.两幅图像的大小， 类型必须一致， 或者第二个图像可以是一个简单的标量值。openCV的加法是一种饱和操作， 而numpy的加法是一种模操作。
原图像每个像素相加，大于255的按255处理。
原图像每个像素相减，小于0的按0处理。
2.图像混合
这也是加法， 不同的是两幅图像的权重不同， 这会给人一种混合或者透明的感觉。 图像混合的计算公式如下：
g(x) = (1-α)f0 (x)+αf1 (x)通过修改α的值（ 0-->1） ,可以实现很酷的混合。例： 将两幅图像混合， 第一幅权重为0.7.第二幅权重为0.3。 函数cv2.addWeighed()可以按下面的公式对图片进行混合。
dst = α·img1 + β·img2+γ 这里γ的取值为0
先弄两个原图，注意要使用一样的分辨率：
demo1.jpg
demo2.jpg
opencv_logo.png
运行后的结果：
3.按位运算
包括按位操作有： AND， OR， NOT， XOR等。
看一个例子：
运行效果：
说明：
rows,cols,channels = img2.shape
shape返回的是图像的行数，列数，色彩通道数。
行数其实对应于坐标轴上的y,即表示的是图像的高度
列数对应于坐标轴上的x，即表示的是图像的宽度
也就是说shape返回的是(高度， 宽度) = (y , x)
注意一点：例：img[50,10]是否表示是(x,y)为(50,10)的那个像素呢，其实不是。
与shape的原理相同，它表示的也是(y,x)，即表示第50列第10行的那个元素。
2.cv2.threshold（灰度图，阈值，设定值，方法）
参数方法：
cv2.THRESH_BINARY
cv2.THRESH_BINARY_INV
cv2.THRESH_TRUNC
cv2.THRESH_TOZERO
cv2.THRESH_TOZERO_INV。
作用：二值化处理，低于阈值的像素点灰度值设置为0，高于阈值的像素点的值设置为参数3。
ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY) 其实出来就是一个黑白图了，可以看mask那个图。
3.mask_inv = cv2.bitwise_not(mask) 对这个二值化的处理的图在去个反，就是黑变白，白变黑。可以参考图mask_inv
4.img1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv)
去掉ROI中的logo区域
看图：
5.img2_fg = cv2.bitwise_and(img2,img2,mask = mask)
在opencv_logo图片中取logo
看图：
6.再来一张所有的图：
更多内容请关注头条号：小5嵌入式。