python按位与怎么算_【AI基础】python:openCV——图像算术运算（2）：按位运算

按位运算

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 时这些操作会很有用，常用于Logo 投射。

本节操作思路：

通过 threshold 函数将图片 固定阈值二值化，

定义：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

import cv2

import numpy as np

img = cv2.imread('1.jpg')

img2 = cv2.imread('2c.jpg')

rows,cols,channels = img2.shape

roi = img[0:rows, 0:cols]

GrayImage=cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)

# 中值滤波

GrayImage= cv2.medianBlur(GrayImage,5)

# mask_bin 是黑白掩膜

ret,mask_bin = cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)

#mask_inv 是反色黑白掩膜

mask_inv = cv2.bitwise_not(mask)

# 黑白掩膜 和 大图切割区域 取和

img1_bg = cv2.bitwise_and(roi,roi,mask = mask_bin)

#反色黑白掩膜 和 logo 取和

img2_fg = cv2.bitwise_and(img2,img2,mask = mask_inv)

dst = cv2.add(img1_bg,img2_fg)

img[0:rows, 0:cols ] = dst

cv2.imshow('GrayImage',mask_bin)

cv2.waitKey(0)

cv2.destroyAllWindows()

为便于理解，贴出过程图

mask_bin 效果图：

mask_inv 效果图：

img1_bg 和 img2_fg 效果图:

最终效果图：