前言

【OpenCV学习之路】是针对Python OpenCV学习所打造的一场刷题狂欢party！ 对基础知识把握不牢固的话，欢迎来学习嗷~喜欢的话就抓紧收藏起来吧！

如果对学习没有自制力或者没有一起学习交流的动力，欢迎进学习交流群正在跳转，我们一起交流学习，报团打卡！

函数 cv2.bitwise 提供了图像的位运算，对图像的像素点值按位操作，快速高效、方便灵活。

函数说明：

cv.bitwise_and(src1, src2[, dst[, mask]] → dst # 位操作: 与
cv.bitwise_or(src1, src2[, dst[, mask]] → dst # 位操作: 或
cv.bitwise_xor(src1, src2[, dst[, mask]] → dst # 位操作: 与或
cv.bitwise_not(src1, src2[, dst[, mask]] → dst # 位操作: 非（取反）

位运算包括四种方法：按位与、按位或、按位非、按位异或，其计算方法是对图像的像素点值的按位运算，运算效率高、速度快。

以按位与操作 “bitwise_and” 为例：

• 对图像中的每一像素（矩阵中的每一元素），将数值转换为二进制；
• 对 src1 和 src2 同一位置像素的数值进行按位操作 （按位与）： 1&1=1, 1&0=0, 0&0=0；
• 将位操作的二进制结果转换为十进制。

类似地，按位或、按位非、按位异或操作，先将像素值转换为二进制，进行位操作后再将结果转换回十进制。

参数说明：

• scr1, scr2：进行位运算的图像，ndarray 多维数组
• mask：掩模图像，8位灰度格式，与 scr1 大小相同，可选参数
• 返回值：dst，位运算结果图像，ndarray 多维数组

注意事项：

• 进行位运算的图像 scr1, scr2 的大小和类型（通道数）必须相同。
• 使用掩模图像时，掩模图像中的黑色区域（数值为 0），输出也为黑色（数值为 0）；掩模图像中的非黑色区域（非 0 值），按位操作输出。

基本例程：1.29 图像的位操作

# 1.29 图像的位操作
img1 = cv2.imread("../images/imgLena.tif") # 读取彩色图像(BGR)
img2 = cv2.imread("../images/imgB2.jpg") # 读取彩色图像(BGR)
imgAnd = cv2.bitwise_and(img1, img2) # 按位 与(AND)
imgOr = cv2.bitwise_or(img1, img2) # 按位 或(OR)
imgNot = cv2.bitwise_not(img1) # 按位 非(NOT)
imgXor = cv2.bitwise_xor(img1, img2) # 按位 异或(XOR)
plt.figure(figsize=(9,6))
titleList = ["img1", "img2", "and", "or", "not", "xor"]
imageList = [img1, img2, imgAnd, imgOr, imgNot, imgXor]
for i in range(6):
plt.subplot(2,3,i+1), plt.title(titleList[i]), plt.axis('off')
plt.imshow(cv2.cvtColor(imageList[i], cv2.COLOR_BGR2RGB), 'gray')
plt.show()

例程说明 1.29：

本例程运行结果如下图所示。

图中给出了两张图像进行位运算的结果，看起来有些莫名其妙，很难理解位操作究竟有什么意义。确实如此，其实位操作基本上不会用于两张普通图像的操作，通常是用于图像的掩模操作，可以看下一个例程 1.30。

（本节完）