假设我有一个 BGRA 图像 numpy 数组，看起来很像这样：
[[[233 228 230 128]
[233 228 230 128]
[233 228 230 0]
...
[164 160 159 65]
[199 197 196 65]
[255 255 254 120]]
这看起来很简单 - 三个颜色通道 + 一个控制像素透明度的 alpha。将该 numpy 数组保存为 PNG 格式会导致图像应该是半透明的。
但是，当将其保存为 JPEG 时，Alpha 通道会被完全丢弃，并且所有像素都是完全不透明的。
由于 JPEG 不支持 alpha 透明度，我希望将我的半透明图像（上面的 numpy 数组）保存在白色背景上。这样一来，像素看起来仍然是半透明的。
如何将半透明的 numpy 数组覆盖在全白背景上？我主要使用 numpy 和 OpenCV。
【问题讨论】：
我认为您正在寻找渐变 alpha 混合，而不是 Fred 的回答很好地展示的更简单的 alpha 阈值。
出于测试目的，我制作了一个中间带有 alpha 渐变的示例图像。在这里，它是一张普通图像，并合成在棋盘上以显示透明度，就像 Photoshop 一样：
要进行 alpha 混合，请使用以下公式：
result = alpha * Foreground + (1-alpha)*Background
其中的值都是在 0..1 范围内缩放的浮点数
混合黑白背景的代码如下：
#!/usr/bin/env python3
import cv2
import numpy as np
# Load image, including gradient alpha layer
im = cv2.imread('GradientAlpha.png', cv2.IMREAD_UNCHANGED)
# Separate BGR channels from A, make everything float in range 0..1
BGR = im[...,0:3].astype(np.float)/255
A = im[...,3].astype(np.float)/255
# First, composite image over black background using:
# result = alpha * Foreground + (1-alpha)*Background
bg = np.zeros_like(BGR).astype(np.float) # black background
fg = A[...,np.newaxis]*BGR # new alpha-scaled foreground
bg = (1-A[...,np.newaxis])*bg # new alpha-scaled background
res = cv2.add(fg, bg) # sum of the parts
res = (res*255).astype(np.uint8) # scaled back up
cv2.imwrite('OverBlack.png', res)
# Now, composite image over white background
bg = np.zeros_like(BGR).astype(np.float)+1 # white background
fg = A[...,np.newaxis]*BGR # new alpha-scaled foreground
bg = (1-A[...,np.newaxis])*bg # new alpha-scaled background
res = cv2.add(fg, bg) # sum of the parts
res = (res*255).astype(np.uint8) # scaled back up
cv2.imwrite('OverWhite.png', res)
这给了这个黑色：
而且这个是白色的：
关键词：图像处理、Python、OpenCV、alpha、alpha blending、alpha compositing、overlay。
【讨论】：
在 Python OpenCV Numpy 中，您可以将 alpha 通道与图像分离。因此，如果 imgA 是具有 alpha 通道的图像。然后分离rgb图像（img）和alpha通道（alpha）
img = imgA[:,:,0:3]
alpha = imgA[:,:,3]
然后将img的颜色设置为白色，其中alpha为黑色
img[alpha == 0] = (255,255,255)
【讨论】：