根据前面的介绍，可以知道，图片读取之后一个数组，numpy是经过优化了的进行快速矩阵运算的包，其中numpy.array结构针对数组操作有很好的优化。所以变相理解成图片是由矩阵组成。在高等代数或者高数里边，都会学到对矩阵进行加减乘除等算术运算，同样经过opencv处理的图片也是可以进行相应的算数运算。
1.图像加法。cv2.add()
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,例如“相加等于260，结果是255
而numpy的加法是一种模操作,例如“相加等于260，结果是260%255=4
x=np.uint8([250])
y=np.uint8([10])
print(cv2.add(x,y))#250+10=260>=255
#结果为[[255]]
print (x+y) #250+10=260%255=4
#结果为[4]
PS：OpenCV的结果会更好，so尽量使用OpenCV中的函数
2.图像混合 。cv2.addWeighted()
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：
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.
img1 = cv.imread('ml.png')
img2 = cv.imread('opencv-logo.png')
dst = cv.addWeighted(img1,0.7,img2,0.3,0)
cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()
3.按位运算
这里包括按位操作有：AND，OR，NOT，XOR等，当我们提取图像的一部分，选择非矩形ROI时，会很有用（下章）。下面进行如何改变一幅图的特定区域。
