OpenCV 图像像素的逻辑操作

一、知识点
1、图像像素的逻辑操作,指的是位操作bitwise,与、或、非、异或等。

2、位操作简介:

cpp 复制代码
  位1     位2     与and     或or     异或xor
  0       0        0        0         0
  0       1        0        1         1
  1       0        0        1         1
  1       1        1        1         0

3、void rectangle(InputOutputArray img, Rect rec, const Scalar & color, int thickness = 1, int lineType = LINE_8, int shift = 0);

(1)、在图像上绘制或填充一个矩形。

(2)、参数说明:

img: 输入、输出参数,表示要绘制或填充矩形的图像。

rec: 定义了矩形左上角位置、宽、高。

color: 矩形线框或填充的颜色。

thickness: >0时表示矩形线框粗细,<0时表示填充矩形。

lineType: 线条的类型,如8连通、4连通。

shift: 点坐标中的小数位数。

4、void bitwise_and(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray());

(1)、执行两个数组的位与操作。

(2)、参数说明:

src1: 第一个输入数组。

src2: 第二个输入数组。 src1和src2大小和类型得相同。

dst: 输出数组,src1 & src2的结果数组。

mask: 掩码数组,可选。 这个数组是8位单通道,且大小和输入数组相同,只有掩码中的非零元素对应的输入数组元素才会进行位与操作。 未指定掩码,则对整个输入数组进行位与操作。

5、void bitwise_or(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray());

(1)、执行两个数组的位或操作。

(2)、参数说明:

src1: 第一个输入数组。

src2: 第二个输入数组。 src1和src2大小和类型得相同。

dst: 输出数组,src1 | src2的结果数组。

mask: 掩码数组,可选。 这个数组是8位单通道,且大小和输入数组相同,只有掩码中的非零元素对应的输入数组元素才会进行位或操作。 未指定掩码,则对整个输入数组进行位或操作。

6、void bitwise_xor(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray());

(1)、执行两个数组的异或操作。

(2)、参数说明:

src1: 第一个输入数组。

src2: 第二个输入数组。 src1和src2大小和类型得相同。

dst: 输出数组,src1 ^ src2的结果数组。

mask: 掩码数组,可选。 这个数组是8位单通道,且大小和输入数组相同,只有掩码中的非零元素对应的输入数组元素才会进行异或操作。 未指定掩码,则对整个输入数组进行异或操作。

7、void bitwise_not(InputArray src, OutputArray dst, InputArray mask = noArray());

(1)、取反数组的每一位。

(2)、参数说明:

src: 输入数组。

dst: 输出数组,!src的结果数组。

mask: 掩码数组,可选。 这个数组是8位单通道,且大小和输入数组相同,只有掩码中的非零元素对应的输入数组元素才会进行取反操作。 未指定掩码,则对整个输入数组进行取反操作。

二、示例代码:

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>


int main()
{
    cv::Mat m1 = cv::Mat::zeros(256, 256, CV_8UC3);
    cv::Mat m2 = cv::Mat::zeros(256, 256, CV_8UC3);
    cv::rectangle(m1, cv::Rect(100, 100, 80, 80), cv::Scalar(255, 255, 0), -1, cv::LINE_8, 0);
    cv::rectangle(m2, cv::Rect(150, 150, 80, 80), cv::Scalar(0, 255, 255), -1, cv::LINE_8, 0);
    cv::imshow("m1", m1);
    cv::imshow("m2", m2);

    //两个矩形相交部分是(150, 150)到(180, 180)之间。

    //两个矩形相交部分经过与后, 结果为BGR(0, 255, 0); 图像其它像素经过与后,结果为BGR(0, 0, 0)。
    cv::Mat dst1;
    cv::bitwise_and(m1, m2, dst1);
    cv::imshow("bitwise_and", dst1);

    //两个矩形相交部分经过或后,结果为BGR(255, 255, 255); 两个矩形不相交部分原先是什么颜色, 或后结果仍为什么颜色; 图像其它像素经过或后,结果为BGR(0, 0, 0)。
    cv::Mat dst2;
    cv::bitwise_or(m1, m2, dst2);
    cv::imshow("bitwise_or", dst2);

    //两个矩形相交部分经过异或后,结果为BGR(255, 0, 255); 两个矩形不相交部分原先是什么颜色, 或后结果仍为什么颜色; 图像其它像素经过或后,结果为BGR(0, 0, 0)。
    cv::Mat dst3;
    cv::bitwise_xor(m1, m2, dst3);
    cv::imshow("bitwise_xor", dst3);

    //m1矩形经过非后,结果为BGR(0, 0, 255); 图像其它像素经过非后,结果为BGR(255, 255, 255)。
    cv::Mat dst4;
    cv::bitwise_not(m1, dst4);
    cv::imshow("bitwise_not", dst4);
    
    cv::waitKey(0);
    return 0;
}

运行结果:

相关推荐
STLearner24 分钟前
ICML 2026 | LLM×Graph论文总结[2]【Graph4LLM,Graph4Agent,智能体记忆(Memory)
大数据·人工智能·python·深度学习·学习·机器学习·数据挖掘
ACP广源盛139246256731 小时前
此芯 P1 AI BOX / AI NAS@ACP#IX8008、IX8024 应用场景与市场机会
大数据·人工智能·分布式·单片机·嵌入式硬件
凤山老林2 小时前
从美团全栈化看 AI 冲击:前端转全栈,是自救还是必然
前端·人工智能·状态模式
大龄码农有梦想2 小时前
企业如何利用 AI 大模型提升业务效率?企业 AI 应用应该从哪些场景切入
人工智能·ai agent·ai智能体·ai应用·ai工作流·ai赋能·智能体平台
其实防守也摸鱼2 小时前
KMP全栈开发:从Android到AI Agent的技术演进与实践
android·运维·网络·人工智能·学习·安全·macos
摇滚侠7 小时前
AI 编程工具 《TRAE 官方手册》阅读笔记 AI 编程核心 上
人工智能·笔记
一个王同学7 小时前
从零到一 | CV转多模态大模型 | week19 | 基于 FastAPI 和 vLLM 的多模态大模型部署
人工智能·深度学习·计算机视觉·fastapi·改行学it·vllm
m沐沐8 小时前
【深度学习】YOLOv2目标检测算法——改进点、网络结构与聚类先验框解析
人工智能·pytorch·深度学习·算法·yolo·目标检测·transformer
企业老板ai培训8 小时前
破解中小企业AI变现难:2026年企业AI培训与陪跑行业趋势深度报告,为何从‘陪跑’到‘变现’才是关键?
大数据·人工智能
神奇霸王龙9 小时前
国产音乐视频 Prompt 三段式屠夫榜:5 个国产视频模型实测对比
人工智能·ai·prompt·音视频·agent·ai编程·agi