在上一篇中，我们学习了OpenCV的图像读写、视频处理、ROI和颜色通道操作。本篇将继续深入，介绍图像修改、缩放、多种图像运算以及边界填充技巧，这些都是日常图像处理中非常实用的功能。

一、图片修改

1. 图片打码

通过NumPy数组的切片赋值，可以轻松实现对图像特定区域的“打码”效果。其原理是将目标区域替换为随机生成的像素值。

import cv2
import numpy as np

# 读取图像
a = cv2.imread(r'./timg98.jpg')

# 将指定区域（行20~230，列200~300）替换为随机像素
# 注意：赋值矩阵的尺寸必须与切片区域完全一致 (210, 100, 3)
a[20:230, 200:300] = np.random.randint(0, 256, (210, 100, 3))

cv2.imshow('masaike', a)
cv2.waitKey(1000)  # 显示1秒
cv2.destroyAllWindows()

运行结果说明：

原图的某矩形区域被彩色噪点覆盖，实现简单的马赛克或遮挡效果。

2. 图片组合

将一张图像的局部区域复制到另一张图像的指定位置，可以用于图像拼接、水印添加等场景。关键点是两个区域的尺寸必须相等。

import cv2

a = cv2.imread('timg98.jpg')
b = cv2.imread('zl.png')

# 将a图的某区域（行50~300，列100~250）复制到b图的指定区域（行100~350，列200~350）
# 尺寸必须一致：a的区域大小为250x150，b的区域也是250x150
b[100:350, 200:350] = a[50:300, 100:250]

cv2.imshow('b', b)
cv2.imshow('a', a)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果说明：

显示两张图像，其中b图的指定位置嵌入了a图的局部区域，实现了图像的组合。

二、图片缩放

cv2.resize()是OpenCV中调整图像大小的核心函数，支持指定目标尺寸或缩放比例。

函数参数

• src：输入图像（NumPy数组）

• dsize：输出图像尺寸，格式为(宽, 高)。若为None，则根据fx和fy计算

• fx：水平方向的缩放比例

• fy：垂直方向的缩放比例

• interpolation：插值方式（默认cv2.INTER_LINEAR）

python

import cv2

a = cv2.imread('timg98.jpg')

# 方式一：指定目标尺寸（宽200，高600）
a_new1 = cv2.resize(a, (200, 600))

# 方式二：指定缩放比例（宽高各缩小0.5倍）
a_new2 = cv2.resize(a, dsize=None, fx=0.5, fy=0.5)

cv2.imshow('a', a)
cv2.imshow('a_new1 (200x600)', a_new1)
cv2.imshow('a_new2 (0.5x)', a_new2)

print("原图尺寸 (高,宽,通道):", a.shape)
print("缩放1尺寸:", a_new1.shape)
print("缩放2尺寸:", a_new2.shape)

cv2.waitKey(100000)
cv2.destroyAllWindows()

运行结果说明：

三个窗口分别显示原图、固定尺寸缩放和比例缩放（保持宽高比）的效果，控制台输出对应的形状信息。

三、图像运算

图像运算是指对两张或多张图像的像素值进行数学运算，生成新的图像。OpenCV提供了多种运算方式，需注意不同方法的区别。

1. 加法运算（NumPy加法）

NumPy的+运算符对图像进行逐像素加法，属于模运算：当像素值超过255时，会对256取模（例如260 → 260%256=4）。

import cv2

a = cv2.imread('timg98.jpg')
b = cv2.imread('zl.png')

# 示例1：图像整体加常数（亮度提升）
c = a + 10
cv2.imshow('yuan', a)
cv2.imshow('a+10', c)

# 示例2：两张图像对应区域相加（必须尺寸相同）
c_region = a[50:450, 50:400] + b[50:450, 50:400]
cv2.imshow('a+b (区域)', c_region)

cv2.waitKey(100000)
cv2.destroyAllWindows()

特点：由于模运算，相加后可能产生非预期的暗区或色彩失真（例如原本很亮的区域相加后反而变暗）。

运算结果说明：

2. 加法运算（OpenCV的cv2.add）

cv2.add()执行的是饱和运算：当像素值超过255时，直接取255（最大值）。这更符合人眼对亮度的感知。

import cv2

a = cv2.imread('timg98.jpg')
b = cv2.imread('zl.png')

# 确保两张图尺寸一致
b = cv2.resize(b, (400, 400))
a = cv2.resize(a, (400, 400))

c = cv2.add(a, b)
cv2.imshow('a add b', c)
cv2.waitKey(100000)
cv2.destroyAllWindows()

运行结果说明：

两种加法对比：

运算方式	超过255时的处理	适用场景
a + b	取模（模运算）	特殊效果、图像加密
cv2.add(a, b)	截断至255（饱和运算）	常规图像融合、亮度叠加

3. 加权运算（cv2.addWeighted）

加权运算可以按不同比例混合两张图像，并添加一个亮度常数，公式为：
dst = src1 × α + src2 × β + γ

import cv2

a = cv2.imread('timg98.jpg')
b = cv2.imread('zl.png')
b = cv2.resize(b, (400, 400))
a = cv2.resize(a, (400, 400))

# α=0.5, β=0.5, γ=0  （各占50%，无额外亮度）
c = cv2.addWeighted(a, 0.5, b, 0.5, 0)

cv2.imshow('addWeighted', c)
cv2.waitKey(100000)
cv2.destroyAllWindows()

参数说明：

• α、β：两张图像的权重（通常和为1，但非必须）

• γ：添加到结果的亮度常数，可调整整体明暗

运行结果：

两张图像半透明叠加，效果平滑自然。

四、边界填充

在卷积神经网络、图像滤波等任务中，经常需要为图像添加边框。cv2.copyMakeBorder()提供了五种填充方式。

函数语法

cv2.copyMakeBorder(src, top, bottom, left, right, borderType[, value])

参数详解

• src：输入图像

• top, bottom, left, right：四个方向要填充的像素数

• borderType：填充类型（核心参数）

• value：当borderType=cv2.BORDER_CONSTANT时，指定填充颜色（BGR格式）

五种填充方式示例

import cv2

ys = cv2.imread('mei.jpg')
ys = cv2.resize(ys, dsize=None, fx=0.5, fy=0.6)  # 缩放便于观察

top = bottom = 100
left = right = 50

# 五种填充方式
constant = cv2.copyMakeBorder(ys, top, bottom, left, right,
                              cv2.BORDER_CONSTANT, value=(80, 25, 229))  # 紫红色
reflect = cv2.copyMakeBorder(ys, top, bottom, left, right,
                             cv2.BORDER_REFLECT)        # 反射填充
reflect101 = cv2.copyMakeBorder(ys, top, bottom, left, right,
                                cv2.BORDER_REFLECT_101) # 对称填充
replicate = cv2.copyMakeBorder(ys, top, bottom, left, right,
                               cv2.BORDER_REPLICATE)    # 复制填充
wrap = cv2.copyMakeBorder(ys, top, bottom, left, right,
                          cv2.BORDER_WRAP)              # 外包装填充

cv2.imshow('yuantu', ys)
cv2.imshow('CONSTANT', constant)
cv2.imshow('REFLECT', reflect)
cv2.imshow('REFLECT_101', reflect101)
cv2.imshow('REPLICATE', replicate)
cv2.imshow('WRAP', wrap)

cv2.waitKey(0)
cv2.destroyAllWindows()

填充类型详解

类型	原理说明	示意图（假设原图行像素为abcdefgh）
BORDER_CONSTANT	用指定颜色填充边框	纯色边框
BORDER_REFLECT	边框像素是原图边缘的镜像反射（不包含边缘像素本身）	fedcba|abcdefgh|hgfedcb
BORDER_REFLECT_101	类似反射，但以边缘像素为轴（包含边缘像素）	gfedcb|abcdefgh|gfedcba
BORDER_REPLICATE	边框像素由最边缘的像素复制而来	aaaaaa|abcdefgh|hhhhhhh
BORDER_WRAP	边框像素从图像对侧“缠绕”而来，类似平铺	cdefgh|abcdefgh|abcdefg

运行结果说明：

六个窗口依次展示原图及五种填充效果，可以直观看到常数填充的纯色边框、反射填充的镜像效果、复制填充的条纹延伸等不同视觉效果。

五、总结

本文详细介绍了OpenCV中图像修改、缩放、运算和边界填充的核心操作：

• 通过NumPy切片实现了打码和图像组合；

• 使用resize灵活调整图像尺寸；

• 区分了NumPy加法（模运算）与OpenCV加法（饱和运算）的区别，并学习了加权融合；

• 掌握了五种边界填充方式的原理与应用。

这些基础操作是后续学习图像滤波、特征提取、深度学习预处理等进阶内容的重要基石。建议读者动手运行代码，观察不同参数带来的变化，在实践中加深理解。