在看泊松融合的时候复习了一下梯度、散度（大学学的全还给老师了……
图像梯度计算
图像中的梯度和散度
看完上面两篇文章大致可以理解如何求梯度，为什么对梯度求偏导再相加的和为散度，然后可以看图像融合之泊松融合
python 实现泊松融合：
https://blog.csdn.net/aitail/article/details/106002129
https://zhuanlan.zhihu.com/p/68349210
使用python+opencv2实现泊松融合，使用上面的例子可以运行，但是需要注意的是：
- cv2.seamlessClone中参数p，即center坐标是目标图像粘到背景图像中的中心点位置，如(100,100)，即目标图像移到背景图中，目标图像的中心点位于(100,100)。而且是(x, y)的格式，即先横坐标，再纵坐标，这一点上面的代码有误导，坐标计算错误会产生roi越界的错误。
参考：https://blog.csdn.net/ngy321/article/details/89454546
https://blog.csdn.net/qq_43258953/article/details/104999999
扫一扫
2487
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
