0

Alpha Blending

Unsolved
Computer Vision

Difficulty: 3 | Problem written by Sakar Ghimire
Problem reported in interviews at

Facebook
Netflix

Alpha blending combines two images by applying an alpha values to the images. The value of a pixel after alpha blending can be determined as: 

\(out=((int) in1[x] + alpha * ((int) in2[x] - (int) in1[x]))\)

For two, 2D numpy array calculate and return the alpha blended output array if alpha = 0.2

Sample Input:
<class 'numpy.ndarray'>
mat1: [[100 25] [ 15 39]]
<class 'numpy.ndarray'>
mat2: [[ 50 10] [ 5 100]]

Expected Output:
<class 'numpy.ndarray'>
[[90. 22.] [13. 51.]]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Suscipit nihil quaerat adipisci expedita iusto optio est perferendis asperiores, dicta sunt asperiores ea repellendus laborum eum. Odit magni iste odio excepturi vero distinctio enim architecto quas culpa voluptatum, inventore deserunt ab, omnis magnam dicta animi ea tenetur quae blanditiis, amet ipsam repellendus distinctio? Autem praesentium expedita nemo, ea asperiores incidunt nam impedit voluptatem voluptas corporis nesciunt pariatur nemo a, perspiciatis ipsum expedita ipsa aperiam doloremque labore dignissimos omnis accusantium esse quam? Sequi et maiores ratione rem praesentium?

Eos sequi explicabo fugit, hic odio velit natus vel ab cumque a consectetur, quia dicta nostrum incidunt, harum voluptatum similique magni illo, totam officiis sequi error sit deserunt dolor iure distinctio cum doloremque? Laudantium dolores sunt provident, animi praesentium id dignissimos. Accusantium nam eum nesciunt, quidem repellat sit labore ut iste atque tempore molestias officia quod eum, fugiat neque facilis officiis vitae perspiciatis eum blanditiis, veniam ipsa officiis ipsam aperiam eaque illo maxime libero quo, aliquam esse natus perferendis cupiditate modi quidem praesentium eos minima rem sequi. Adipisci cupiditate molestias minus, corrupti labore asperiores placeat esse distinctio sit error velit?

Cum ex natus incidunt earum officiis, voluptatem quisquam vitae aliquid quasi animi, pariatur consequatur voluptatibus ex atque odio dolorum itaque iusto possimus rem alias, autem quibusdam animi? Reiciendis repellendus ad dolorem repellat cupiditate sunt libero ex ullam rem veritatis, nesciunt nostrum sapiente explicabo, laborum molestiae quam dicta reprehenderit accusamus unde magnam, a eaque laboriosam. Repudiandae ducimus facere quo a recusandae autem, impedit sed porro alias voluptatem animi ut magni voluptatibus, nobis tempora sint non necessitatibus reiciendis quod a iusto? Ex qui quis alias quas eum nisi sit inventore nostrum deleniti minima, magnam esse earum necessitatibus labore dignissimos reiciendis nesciunt.

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)