详解OpenCV的函数cv::add(),并附各种情况的示例代码和运行结果

函数cv::add()用于实现两个Mat类矩阵相加，或者矩阵和标量相加。

函数cv::add()的运算公式如下：

从上面的叙述可以看出：

• 1 函数add()可以进行掩码操作。
• 2 函数会对相加的结果进行饱和(saturate)操作，举个例子来说，如果数据类型为uhar，那么1+255=255，而不等于256。如果输出矩阵的数据类型为CV_32S，则不会进行饱和(saturate)操作，官方文档原话如下：
  “Saturation is not applied when the output array has the depth CV_32S. You may even get result of an incorrect sign in the case of overflow.”
• 3 多通道的矩阵相加时，各个通道分别单独作相加算。
• 4 两个相同数据类型的矩阵与矩阵相加时(即上面的第一种情况)可以用操作符+代替，即：

cv::add(A1, B1, C1);

相当于：

C1 = A1+B1;

虽然可以这样等效操作，但是昊虹君还是建议诸位用标准函数式操作，这样能提高代码的健壮性。

函数add()的原型如下：

void cv::add( 	InputArray  src1,
				InputArray 	src2,
				OutputArray dst,
				InputArray 	mask = noArray(),
				int 	dtype = -1 
				)	

前四个参数没什么好说的，这里说下最后一个参数dtype，它用于设置输出矩阵的数据类型，具体情况如下：
The input arrays and the output array can all have the same or different depths.
For example, you can add a 16-bit unsigned array to a 8-bit signed array and store the sum as a 32-bit floating-point array. Depth of the output array is determined by the dtype parameter.
In the second and third cases above, as well as in the first case, when src1.depth() == src2.depth(), dtype can be set to the default -1. In this case, the output array will have the same depth as the input array, be it src1, src2 or both.
上面这段话简单明了，就不翻译了。需要说明的是，当两个相加的矩阵数据类型相同时，参数dtype可以用默认值-1。当两个相加的矩阵数据类型不一致时，是必须要设置输出矩阵的数据类型的，否则程序运行时会报错，比如下面的报错：

OpenCV Error: Bad argument (When the input arrays in add/subtract/multiply/divide functions have different types, the output array type must be explicitly specified) in cv::arithm_op, file C:\builds\master_PackSlave-win32-vc12-shared\opencv\modules\core\src\arithm.cpp, line 2011

接下来，上示例代码：

示例代码1(相同数据类型的矩阵与矩阵相加)

//OpenCV版本：3.0.0
//VS版本：2013

#include <opencv2/opencv.hpp>

#include <iostream>
using namespace std;


int main()
{
    

	cv::Mat A1 = (cv::Mat_<uchar>(2, 3) << 1, 2, 3, 4, 5, 6);
	cout << "A1中的数据为：\n" << A1 << endl << endl;


	cv::Mat B1 = (cv::Mat_<uchar>(2, 3) << 2, 3, 4, 5, 6, 250);
	cout << "B1中的数据为：\n" << B1 << endl << endl;


	//相同数据类型的矩阵与矩阵相加
	cv::Mat C1;
	cv::add(A1, B1, C1);
	cout << "C1中的数据为：\n" << C1 << endl << endl;

	return(0);
}

运行结果如下：

注意：C1中的最后一个元素因为饱和操作从256变成了255。

示例代码2(不同数据类型的矩阵与矩阵相加)

//OpenCV版本：3.0.0
//VS版本：2013

#include <opencv2/opencv.hpp>

#include <iostream>
using namespace std;

int main()
{
    

	cv::Mat A1 = (cv::Mat_<uchar>(2, 3) << 1, 2, 3, 4, 5, 6);
	cout << "A1中的数据为：\n" << A1 << endl << endl;


	cv::Mat B1 = (cv::Mat_<int>(2, 3) << 2, 3, 4, 5, 6, 250);
	cout << "B1中的数据为：\n" << B1 << endl << endl;


	//不同数据类型的矩阵与矩阵相加
	cv::Mat C1;
	cv::InputArray mask1 = cv::noArray();
	cv::add(A1, B1, C1, mask1, CV_16U);
	cout << "C1中的数据为：\n" << C1 << endl << endl;

	return(0);
}

运行结果如下：

注意，如下果语句：

cv::add(A1, B1, C1, mask1, CV_16U);

写成

cv::add(A1, B1, C1);

则程序在运行时会因为A1与B1的数据类型不一样而报错，如下图所示：

示例代码3(矩阵与标量相加)

//OpenCV版本：3.0.0
//VS版本：2013

#include <opencv2/opencv.hpp>

#include <iostream>
using namespace std;


int main()
{
    

	cv::Mat A1 = (cv::Mat_<uchar>(2, 3) << 1, 2, 3, 4, 5, 6);
	cout << "A1中的数据为：\n" << A1 << endl << endl;


	uchar b1 = 1;
	int b2 = 2;

	cv::Mat C1, C2;
	cv::InputArray mask1 = cv::noArray();
	cv::add(A1, b1, C1);//两个加数的数据类型相同
	cv::add(A1, b2, C2, mask1, CV_8U);//两个加数的数据类型不同
	cout << "C1中的数据为：\n" << C1 << endl << endl;
	cout << "C2中的数据为：\n" << C2 << endl << endl;


	return(0);
}

运行结果如下：

同样要注意：当两个加数的数据类型不一致时，如果不设置输出矩阵的数据类型，虽然此时不会报错，此时函数会自动处理，但为了程序的健壮性和可控性，昊虹君还是建议大家按上面的示例代码自己把数据类型控制好，因为你并不知道这个自动处理它会处理成什么样。
函数自动根据数据的情况进行类型转换的示例代码和运行结果如下：

//OpenCV版本：3.0.0
//VS版本：2013

#include <opencv2/opencv.hpp>

#include <iostream>
using namespace std;


int main()
{
    

	cv::Mat A1 = (cv::Mat_<float>(2, 3) << 1, 2, 3, 4, 5, 6);
	cout << "A1中的数据为：\n" << A1 << endl << endl;


	uchar b1 = 1;
	double b2 = 2.3;

	cv::Mat C1, C2;
	cv::add(A1, b1, C1);
	cv::add(A1, b2, C2);
	cout << "C1中的数据为：\n" << C1 << endl << endl;
	cout << "C2中的数据为：\n" << C2 << endl << endl;


	return(0);
}

上面的这个示例代码的结果是我们预期的，但我们把A1中的元素的数据类型改为uchar型，可能就不是我们想要的结果了：

//OpenCV版本：3.0.0
//VS版本：2013

#include <opencv2/opencv.hpp>

#include <iostream>
using namespace std;


int main()
{
    

	cv::Mat A1 = (cv::Mat_<uchar>(2, 3) << 1, 2, 3, 4, 5, 6);
	cout << "A1中的数据为：\n" << A1 << endl << endl;

	uchar b1 = 1;
	double b2 = 2.3;

	cv::Mat C1, C2;
	cv::add(A1, b1, C1);
	cv::add(A1, b2, C2);
	cout << "C1中的数据为：\n" << C1 << endl << endl;
	cout << "C2中的数据为：\n" << C2 << endl << endl;


	return(0);
}

按道理，C2中数据应该都有小数位，但是结果却没有，这就是函数自动处理的结果，有些自动处理并不是我们想要的结果。

示例代码4(带掩码操作的矩阵加法)

示例代码如下：

//OpenCV版本：3.0.0
//VS版本：2013

#include <opencv2/opencv.hpp>

#include <iostream>
using namespace std;


int main()
{
    

	cv::Mat A1 = (cv::Mat_<uchar>(2, 3) << 1, 2, 3, 4, 5, 6);
	cout << "A1中的数据为：\n" << A1 << endl << endl;

	cv::Mat B1 = (cv::Mat_<uchar>(2, 3) << 2, 3, 4, 5, 6, 250);
	cout << "B1中的数据为：\n" << B1 << endl << endl;

	cv::Mat mask1(2, 3, CV_8UC1, cv::Scalar(1));
	mask1.at<uchar>(0, 1) = 0;

	cv::Mat C1;
	cv::add(A1, B1, C1, mask1);
	cout << "C1中的数据为：\n" << C1 << endl << endl;

	return(0);
}

运行结果如下：

上面的第0行，第1列的元素是没有被掩盖了加法操作的，所以其结果为0。