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
kisshuan1239612 小时前
【深度学习】使用RetinaNet+X101-32x4d_FPN_GHM模型实现茶芽检测与识别_1
人工智能·深度学习
Learn Beyond Limits12 小时前
解构语义:从词向量到神经分类|Decoding Semantics: Word Vectors and Neural Classification
人工智能·算法·机器学习·ai·分类·数据挖掘·nlp
崔庆才丨静觅12 小时前
0代码生成4K高清图!ACE Data Platform × SeeDream 专属方案:小白/商家闭眼冲
人工智能·api
qq_3564483713 小时前
机器学习基本概念与梯度下降
人工智能
水如烟14 小时前
孤能子视角:关系性学习,“喂饭“的小孩认知
人工智能
徐_长卿14 小时前
2025保姆级微信AI群聊机器人教程:教你如何本地打造私人和群聊机器人
人工智能·机器人
XyX——14 小时前
【福利教程】一键解锁 ChatGPT / Gemini / Spotify 教育权益!TG 机器人全自动验证攻略
人工智能·chatgpt·机器人
十二AI编程15 小时前
Anthropic 封杀 OpenCode,OpenAI 闪电接盘:AI 编程生态的 48 小时闪电战
人工智能·chatgpt
CCC:CarCrazeCurator15 小时前
从 APA 到 AVP:汽车自动泊车系统技术演进与产业发展深度研究
人工智能