opencv图像运算,python进阶路线图
目录中常见的按位逻辑运算按位和运算掩码图像通过掩码图像，保持所需的图像
一般逐位逻辑运算
在OpenCV中，常见的按位运算函数如下表所示。
函数名称的含义bitwise_and )按比特和bitwise_or )按比特或bitwise_xor )按比特的异或bitwise_not )按比特对反向比特和运算数学中的比特进行运算。 简单地说，如果对应的二进制数都是1，则结果位为1。在python中，使用“”符号按位进行运算。 具体运算结果如下。
计算1和计算2的结果与python码0000010011001111相对应，逐位运算是将数值转换为二进制后根据位置进行运算。 例如，博主在这里自由取两个数据，计算结果如下表所示。
数值十进制结果数值116510100101数值212201111010结果3200100000掩码图像要获取掩码图像，必须首先介绍OpenCV的位和函数： cv2.bitwise_and ()。 具体语法如下
DST=cv2.bitwise_and(src1，src2[，mask] ) ) )。
dst :表示输入值具有相同大小的阵列输出值。
src1 :表示第一个阵列或缩放类型的输入值
src表示第二个阵列或加速器类型的输入值
mask :代表可选的操作掩码，8位单通道阵列
通过以上的按位和计算可知，任何图像如果不是黑色的话都不是0。 因此，按位数计算黑色的0和任意数字就可以得到1。 这样就可以去除不想显示的部分。
首先，需要创建蒙版图像。 具体代码如下。
a=cv2.imread(2_2.png '，1 ) b=NP.zeros ) a.shape，dtype=np.uint8) b [ 100:400，200:400 ]=此处
运转后，掩模图像b和原始图像a成为如下。
通过蒙版图像，获取了保留所需图像的蒙版图像，可以用以下OpenCV提供的函数直接进行运算。 具体代码如下。
import c v2 importnumpyasnpa=cv2.im read (2_2. png '，1 ) b=NP.zeros(a.shape，dtype=np.uint8) b ) 10003333333