OpenCV——图像按位运算

OpenCV——图像按位运算由CSDN点云侠原创，爬虫自重。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的爬虫。

一、算法概述

1、逻辑运算

??OpenCV4 针对两个图像之间的“与”、“或”、“异或”、以及“非”运算分别提供了bitwise_and()、bitwise_or()、bitwise_xor()、bitwise_not()函数。图像像素间的逻辑运算与数字间的逻辑运算相同，具体规则见表1。图像的“非”运算只针对一个数值进行，因此在表1中对像素求非运算时对图像1的像素进行“非”运算。如果像素取值只有0和1，那么表1中的前4行数据正好对应了所有的运算规则，但是CV_8U类型的图像像素值从0取到255，此时的逻辑运算就需要将像素值转成二进制后再进行，因此CV_8U类型是8位数据，对0求非是11111111，也就是255.在表1的最后一行数据中，像素5对应的二进制为101，像素值6对应的二进制是110，因此“与”运算得100(4)，“或”运算得011(3)，对像素5进行非运算得11111010（250）。

表1 图像逻辑运算规则

| 图像数据类型 | 像素值1| 像素值2 |与|或|异或|非（图像）
| ------ | ------ | ------ |------ |------ |------ |------ |------ |------ |
| 二值 | 0 | 0 |0|0|0|1|
| 二值 | 1 | 0 |0|1|1|0|
| 二值 | 0 | 1 |0|1|1|1|
| 二值 | 1 | 1 |1|1|0|0|
| 8位 | 0 | 0 |0|0|0|255|
| 8位 | 5| 6 |4|7|3|250|

2、函数解析

//像素求“与”运算
void bitwise_and(InputArray src1, 
                 InputArray src2,
                 OutputArray dst, 
                 InputArray mask = noArray());
 
//像素求“或”运算
void bitwise_or(InputArray src1, 
                InputArray src2,
                OutputArray dst, 
                InputArray mask = noArray());
 
//像素求“异或”运算
void bitwise_xor(InputArray src1, 
                 InputArray src2,
                 OutputArray dst, 
                 InputArray mask = noArray());
 
//像素求“非”运算
void bitwise_not(InputArray src, 
                 OutputArray dst,
                 InputArray mask = noArray());

• src1：第一个图像矩阵，可以是多通道图像数据。
• src2：第二个图像矩阵，尺寸、通道数和数据类型都需要与src1一致。
• dst：逻辑运算输出结果，尺寸、通道数和数据类型都与src1一致。
• mask：掩膜，用于设置图像或矩阵中逻辑运算的范围。

?? 在进行逻辑运算时，一定要保证两个两个图像矩阵之间的尺寸、数据类型和通道数相同，多个通道进行逻辑运算时不同通道之间是独立运行的。

3、用途

??按位运算的用途：比如要得到一个加logo的图像。如果将两幅图片直接相加会改变图片的颜色，如果用图像混合，则会改变图片的透明度，这时候就需要用按位操作，既不改变图像颜色，又不改变图像透明度，类似PS。

二、代码实现

#include <opencv2\opencv.hpp>
#include <iostream>
#include <vector>
using namespace std;
using namespace cv;
int main()
{
    Mat img = imread("X8.jpg");
    if (img.empty())
    {
        cout << "请确认图像文件名称是否正确" << endl;
        return -1;
    }
    //1、创建两个黑白图像
    Mat img0 = Mat::zeros(200, 200, CV_8UC1);
    Mat img1 = Mat::zeros(200, 200, CV_8UC1);
    Rect rect0(50, 50, 100, 100);
    img0(rect0) = Scalar(255);
    Rect rect1(100, 100, 100, 100);
    img1(rect1) = Scalar(255);
    imshow("img0", img0);
    imshow("img1", img1);
    //-----------------------------------------------------------------
    // 在进行逻辑运算时，一定要保证两个两个图像矩阵之间的尺寸、数据类型
    // 和通道数相同，多个通道进行逻辑运算时不同通道之间是独立运行的。
    //-----------------------------------------------------------------
    //2、进行逻辑运算
    Mat myAnd, myOr, myXor, myNot, imgNot;
    bitwise_not(img0, myNot);       // 逻辑“非”运算
    bitwise_and(img0, img1, myAnd); // 逻辑“与”运算
    bitwise_or(img0, img1, myOr);   // 逻辑“或”运算
    bitwise_xor(img0, img1, myXor); // 逻辑“异或”运算
    bitwise_not(img, imgNot);       // 逻辑“非”运算
    imshow("myAnd", myAnd);
    imshow("myOr", myOr);
    imshow("myXor", myXor);
    imshow("myNot", myNot);
    imshow("img", img);
    imshow("imgNot", imgNot);
    waitKey(0);
    return 0;
}

三、结果展示