opencv-python的图像基础逻辑运算及细节、注意事项（与或非及掩膜）

主要记录一下bitwise_and(),cv.cv,bitwise_or(),cv.bitwise_not()这三个最基础的逻辑运算（与或非）

首先cv.bitwise_not()

 参数如图，虽然参数列表上面有三个参数，但是我使用的时候一般都是只用一个参数

circle = np.zeros((280,300),dtype="uint8")
cv.circle(circle,(150,150),50,255,-1) 
rectangle = np.zeros((280,300),dtype="uint8")
cv.rectangle(rectangle,(90,120),(220,170),255,-1)

#cv.bitwise_not(circle,inv_circle,mask=rectangle)
inv_circle=cv.bitwise_not(circle,mask=rectangle)#等于上一句

我最开始的时候有疑问，我想着灰度是一个范围内的值，并不是二值，那么对他做not运算会是怎么样呢

我用以下代码做实验 

circle = np.zeros((280,300),dtype="uint8")
cv.circle(circle,(150,150),50,20,-1)
inv_circle=cv.bitwise_not(circle)

cv.imshow('circle',circle)
cv.imshow('invcircle',inv_circle)

结果

控制台查看圆心处的灰度值

可以看到not之后的结果和原来相加是等于255的（和猜想的一样）

接下来我们测试第三个参数，mask，掩膜，这个掩膜可以看做为是在原来图像上指定要操作的区域，只要掩膜的灰度不为0（实际上很多掩膜的灰度值都是255），那么对应原图的这个像素点就要参与最后的逻辑运算，我个人认为可以理解为原图先和掩膜做与运算，最后再进行你想要的逻辑操作（如果不对请网友们指出）。下面这个例子可以说明这个问题

circle = np.zeros((280,300),dtype="uint8")
cv.circle(circle,(150,150),50,50,-1) # para:(src img,position of the circle,GRB,thickness of edge)
rectangle = np.zeros((280,300),dtype="uint8")
cv.rectangle(rectangle,(90,120),(220,170),100,-1)

inv_circle_with_mask=cv.bitwise_not(circle,mask=rectangle)
inv_circle=cv.bitwise_not(circle)
cv.imshow('circle',circle)
cv.imshow('rectangle',rectangle)
cv.imshow('invcircle',inv_circle)
cv.imshow('invcircle_with_mask',inv_circle_with_mask)

结果如下 

可以明显看到原来的circle在和rectangle做了与运算后，在做not运算得到了第一张图片，因为长方形之外的区域并没有因为not运算而变白。而这里rectangle的灰度值并不会影响掩膜的效果，我试过掩膜的灰度值为100和灰度值为255都是一样的结果。 

cv.bitwise_or()和cv.bitwise_and()

注意： src1和src2需要有相同的通道数量和尺寸，否者报错

参数如图二者的参数几乎一致，只是运算种类不一样，我就单单记录一下or操作

circle = np.zeros((280,300),dtype="uint8")
cv.circle(circle,(150,150),50,150,-1) # para:(src img,position of the circle,radiums,BGR,thickness of edge)
rectangle = np.zeros((280,300),dtype="uint8")
cv.rectangle(rectangle,(90,120),(220,170),100,-1)

orimg= cv.bitwise_or(circle,rectangle)
cv.imshow('circle',circle)
cv.imshow('rectangle',rectangle)
cv.imshow('orimg',orimg)

cv.waitKey(0)
cv.destroyAllWindows()

 

结果分析：交叉的部分变白了不少，无交叉的部分保持原像素值。交叉的部分是如何计算的我也不清楚。。。这个例子里圆是150，矩形是100，最后的中间位置（圆心）是246

In   [49]:orimg[150,150]
Out[49]: 246

这个计算规则我也不明白，希望大佬指点，尝试了一些值可以参考一下。（结果会偏向较大的像素值）

不同像素值做OR运算后的结果表

长方形	圆形	结果
100	255	255
100	100	100
100	80	118

 运算的主体部分大概是这样，但是逻辑运算一般喜欢和掩膜一起使用，提取出自己感兴趣的区域。很多例子里都是这样使用的，网上可以找到很多这里推荐一个https://blog.csdn.net/Lily_9/article/details/83143120

接下来可以体会一下包括掩膜的运算：

import cv2 as cv
import numpy as np

cat=cv.imread("cat.jpg",0)
dog=cv.imread("dog.jpg",-1)
cat1=cv.imread("cat.jpg",-1)

circle = np.zeros((280,300),dtype="uint8")
cv.circle(circle,(150,150),50,150,-1)
rectangle = np.zeros((280,300),dtype="uint8")
cv.rectangle(rectangle,(90,120),(220,170),100,-1)

andimg= cv.bitwise_and(cat1,dog,mask=rectangle)
orimg= cv.bitwise_or(cat1,cat1,mask=circle)

 

结果可以看到，掩膜就是告诉程序，只要在两张图片的这片区域进行运算！也可以理解为，两张图片先和mask做and运算，然后再进行需要的操作。这里左上图可以看到，and运算明显把狗的嘴巴（灰度值很低）的位置取代了原来猫的鼻子的位置。但是常规使用用于提取特征的时候，函数参数的src1和src2是同一张图片。（同一张图片对自身做or或者and运算得到本身）再依靠掩膜，获得我们想要的特征。

再提一点，有关and操作的像素值规律和or相反，我用测试or相同的方法测试了and的运算结果（总是小于较小的那个值）

rectangle	circle	result of and
255	20	20
100	80	64
100	50	32

 相较于其他博客，我的博客记录了较多的细节，回答了自己心中的一些疑问