Python 按位_和运算符在openCV中到底做了什么？

我不太明白在openCV中使用“bitwise_and”运算符时的作用。 我还想知道它的参数。

计算两个数组或一个 数组和标量

参数：

• src1–第一个输入数组或标量
• src2–第二个输入数组或标量
• src–单输入阵列
• 值–标量值
• dst–与输入阵列具有相同大小和类型的输出阵列
• 掩码–可选操作掩码，8位单通道阵列，指定要更改的输出阵列元素

以下是web上的一个示例：

---

一般用法是，您希望获得由另一个图像定义的图像子集，通常称为“掩码”

因此，假设您想要“抓取”8x8图像的左上象限。您可以形成一个如下所示的遮罩：

1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0

您可以使用Python生成上面的图像：

import numpy as np

mask = np.zeros(shape=(8,8), dtype=bool)
mask[0:4,0:4] = True

然后假设你有这样一个图像：

1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

具体来说，假设上面的图像是美国国旗的简化表示：左上角是星星，其他地方都是横条。假设您想要形成上面的图像。您可以使用掩码、按位\u和按位\u或来帮助您

imageStars = np.ones(shape=(8,8), dtype=bool)
for r, row in enumerate(imageStars):
    for c, col in enumerate(row):
        if r % 2 != c % 2: # even row, odd column, or odd row, even column
            imageStars[r,c] = False

imageBars = np.zeros(shape=(8,8), dtype=bool)
for r, row in enumerate(imageStars):
    if r % 2 == 0:
        imageBars[r,:] = True

现在你有了星星的图像：

1 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1    
1 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1    
1 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1    
1 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1

还有一张酒吧的图片：

1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

你想用一种特殊的方式把它们结合起来，形成国旗，星星在左上象限，横条在其他地方

imageStarsCropped = cv2.bitwise_and(imageStars, mask)

imageStarsCropped

将如下所示：

1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0    
1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0  
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0

0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1

0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

你看到它是怎么形成的吗？

按位_和

在

imageStars

为

1

且

掩码

为

1

的每个像素处返回

1

；否则，它将返回

0

现在让我们浏览一下

图像栏。首先，让我们反转面具：

maskReversed = cv2.bitwise_not(mask)

bit-wise\u not
将
1
转换为
0
，将
0
转换为
1
。它“翻转位”
maskReversed
的外观如下：

1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0    
1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0  
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0

0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1

0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

现在，我们将使用
maskReversed
来“抓取”我们想要的
imagebar
部分

imageBarsCropped = cv2.bitwise_and(imageBars, maskReversed)

imageBarsCropped
的外观如下所示：

1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0    
1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0  
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0

0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1

0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

现在，让我们结合两个“裁剪”的图像来形成旗帜

imageFlag = cv2.bitwise_or(imageStarsCropped, imageBarsCropped)

imageFlag
将如下所示：

1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0    
1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0  
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0

0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1

0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

你明白为什么吗<无论何时
imageStarsCropped[r，c]==1
或
imagesbarscropped[r，c]==1，code>按位\u或
返回
1

我希望这能帮助你理解OpenCV中的逐位运算。这些属性与计算机进行算术运算的二进制数的位运算一一对应。
由@mannyglover用美国国旗示例给出的答案非常棒！我还想快速补充一点，对于实际图像，任何0（沥青黑色）的像素值都是“假”。由于false&anything=false，值大于0的任何其他像素都将变为0

这意味着在应用逐位_和之后，遮罩的变黑像素将使原始图像中的各个像素变黑

以下是一个在OpenCV中完成的示例：

原始图像：

遮罩：

在应用
result=cv2.bitwise_和（stack，stack，mask=mask）
之后：
只是对上述答案的细化，而不是完整的答案。在现实生活中，图像数组的值从0到255，而不仅仅是0和1。在这种情况下，
按位_或
所做的是将两个图像中的每个对应数字转换为其二进制形式，然后执行或或和或其他操作

例如：

考虑两个值233和180。这些数字中的
bitwise_或
为我们提供了253（使用
cv2.bitwise_或（np.array（[233]），np.array（[180]））
。233和180的二进制等价物分别为11101001和10110100。对233和180的二进制等价物中的每个数字进行
位运算或
运算，得到11111101，与253相同。该数字是通过对233和180的二进制等价物中的每个数字进行或运算得到的（您可以验证）

and、not和xor的工作原理与或的工作原理类似，即对数字的位进行逻辑运算。
运算符做什么？

，并对取自两个数组的元素执行逐位运算，
src1
nd
src2
。类似。逐位表示布尔运算在值的每一位之间进行，每一位

什么是掩码参数？

它实际上不是布尔掩码（布尔数组将被拒绝）。它是一种
uint8
数组类型，其中值被检查为0或否。“掩码”的x、y形状与图像相同，但其元素是标量的，即对于uint8的图像100 x 50 x 3，掩码必须是uint8的数组100 x 50

如何使用口罩？

此遮罩确定是否对位置x，y处的一对像素执行操作。如果遮罩中位置x，y处的元素为0，则不执行任何操作，并且结果数组中的像素为0,0,0（黑色）。如果位于x，y位置的掩码元素不为空，则按位操作确定结果数组中的值

假设我们要提取一个圆内的像素，并使其他像素变白。这可以通过使用互补遮罩的逐位操作来完成：


将numpy导入为np
进口cv2
将matplotlib.pyplot作为plt导入
images='images/'
#读取图像330 x 379 x 3 uint8
img=cv2.imread（图像+sample.jpg）
#使用pyplot完成显示时重新排列通道
img[：，：，[0,1,2]=img[：，：，[2,1,0]]
#创建白色图像，3个通道330 x 379 x 3 uint8
w_3c=np.full_like（img，fill_值=（255255））
#定义磁盘元素
中心=（img.shape[1]//2，img.shape[0]//2）
半径=整数（最小（中心）*