opencv-python cv2.bitwise()与运算 函数详解

介绍

是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0

源码：

bitwise_and(src1, src2, dst=None, mask=None)

参数：

• src1、src2：为输入图像或标量，标量可以为单个数值或一个四元组

• dst：可选输出变量，如果需要使用非None则要先定义，且其大小与输入变量相同

• mask：图像掩膜，可选参数，为8位单通道的灰度图像，用于指定要更改的输出图像数组的元素，即输出图像

代码实列讲解：

import cv2 as cv
import numpy as np


# 创建两个三位数组，为了方便观看，数值已经是最小的了，在小一点就体现不出来效果了
a = np.random.randint(0, 10, size=(2, 2, 2))
b = np.random.randint(0, 10, size=(2, 2, 2))
print('---------- a ---------')
print(a)
print(a[0][1])
print(a.shape)
print('---------- b ---------')
print(b)
print(b.shape)

# 创建掩膜 也是最小的，记住最后转换数据类型，np.uint8,不然会报错
# error: (-215:Assertion failed) (mtype == CV_8U || mtype == CV_8S) && _mask.sameSize(*psrc1) in function 'cv::binary_op'
# 数组中的 1 就是对应在 inRange() 方法中，满足颜色条件的 255，而不满足颜色条件的则是 0 。
# 这个方法就不具体细讲了，可以理解为 ---> 1 为 True，0 为 False
# 其实改成其他值也一样,在python当中，只要不为0的数值都是True， 0则是False
mask = np.array([[1,0], [0, 0]], dtype=np.uint8) # mask = np.array([[True,False], [False, False]], dtype=np.uint8)
print('---------- mask ---------')
print(mask)
print(mask.shape)
print(mask[0][1])
# 进行与运算

c = cv.bitwise_and(a, b, mask=mask)  # 添加掩膜
d = cv.bitwise_and(a, b)  # 不加掩膜

print('---------- c ---------')
print(c)
print(c.shape)

print('---------- d ---------')
print(d)
print(d.shape)

"""
a：  1   1   1

b：  1   0   1

"""

结果如下

途中标注了编号及画框的位置就是接下来要讲的和注意的地方

 

 首先讲一下，在没有添加掩膜的情况与运算结果，也就是

没有掩膜的编号6：

a 与 b：

 结果：

 

运算的具体过程：

a的每一位数与b中的每一位数进行二进制的与运算。

原数	二进制	过程（相同的为True，不相同的为False）	结果
a：5    b：6	a：101 b：110		二进制：100 十进制：4
a：7 b：5	a：111 b：101		二进制：101 十进制：5

总结：

在没有添加掩膜的情况下，就是指单纯的把两个数组中的每一位元素对应进行与运算

 以此类推

有掩膜的编号5：

结果：

步骤基本与上面相同，唯一的区别在于添加掩膜后的作用是什么？

从结果上来看：

把上面的图取下来

 掩膜数组中第一个元素为255，其余位置是 0。mask[0][0]的元素位置为255，所以只会对 a[0][0] 与b[0][0]，进行运算，也就是说只有满足掩膜元素为True的a，b对应位置上元素才会进行与运算，不满足的都为 0

（其实改成其他值也一样,在python当中，只要不为0的数值都是True， 0则是False。mask = np.array([[True, False], [False, False]], dtype=np.uint8) 把掩膜换成这样也是可以的）

总结：

添加掩膜后：

        mask[ i ][ j ] = True

        a[ i ][ j ] 与 b[ i ][ j ] 进行与运算

        mask[ m ][ n ]  = False

        a[ m ][ n ]  与 b[ m ][ n ] 不进行与运算，直接为 0