一、学习目标

了解opencv中图像的逻辑运算
了解opencv中逻辑运算的应用

二、了解OpenCV中图像运算的运用

2.1 了解and逻辑运算

在上一节中，我们了解了基本的图像运算，这一节将了解在opencv将两张图片进行逻辑运算。逻辑运算在编程中较为常见的一种基本运算，在此不在进行赘述。我们首先了解一下opencv中的逻辑与运算，opencv中逻辑与运算与我们基本的逻辑与运算一致，也就是1 and 1为1，1 and 0 为0。我们可以通过一个小示例来直观的感受opencv的and运算方式。

在opencv中，对两个图片进行逻辑与运算需要使用bitwise_and方法。bitwise_and方法接收2个图片数组为参数。首先我们读取2个图片1bit与1bit3。

import cv2img1 = cv2.imread(r'C:\Users\mx\Desktop\1bit.jpg')
img3 = cv2.imread(r'C:\Users\mx\Desktop\1bit3.jpg')cv2.imshow("img1", img1)
cv2.imshow("img3", img3)cv2.waitKey (0)
cv2.destroyAllWindows()

得到两张图片如下：

随后使用bitwise_and方法对两张图片进行运算：

import cv2img1 = cv2.imread(r'C:\Users\mx\Desktop\1bit.jpg')
img3 = cv2.imread(r'C:\Users\mx\Desktop\1bit3.jpg')
and_img=cv2.bitwise_and(img3,img1)
cv2.namedWindow("and_img",cv2.WINDOW_NORMAL)cv2.imshow("img1", img1)
cv2.imshow("img3", img3)
cv2.imshow("and_img", and_img)cv2.waitKey (0)
cv2.destroyAllWindows()

以上代码中关键代码为and_img=cv2.bitwise_and(img3,img1)，在这一串代码中对img3与img1进行了逻辑与运算。由于img1图片只有“我是1_bit”文字为白色，其他区域为黑色，我们可以当成“我偶是1_bit”这个内容区域的值为1，然后黑色区域位置为0。这时黑色区域与img3图片的通道区域值进行计算，那就是0与一个内容值进行逻辑与计算，那么结果为0，img1的文字部分值为1，与img3图片相同的位置进行逻辑与计算，那么保留结果。这时，运算后的图片则应该是生成一张带有“我是1_bit”字样的图片，并且在字样区域内带有img3图片内容。结果如下：

那将图片img1改成如下情况呢：

这时“我是1_bit”’字样区域的内容将会与另一张图片计算后排出，这时结果将会产生一个0值的空缺部分，由于空白部分的值为1，逻辑运算后将会保留白色区域的另外一张图片内容。

结果如下：

2.2 了解or逻辑运算

在opencv中既然存在and逻辑与，那么逻辑或大几率存在是可能的。在opencv中，逻辑或运算与逻辑与运算相反，使用bitwise_or方法，传入参数也是两张用于逻辑计算的图片。使用示例如下：

import cv2img1 = cv2.imread(r'C:\Users\mx\Desktop\1bit.jpg')
img3 = cv2.imread(r'C:\Users\mx\Desktop\1bit3.jpg')
and_img=cv2.bitwise_or(img3,img1)
cv2.namedWindow("and_img",cv2.WINDOW_NORMAL)cv2.imshow("img1", img1)
cv2.imshow("img3", img3)
cv2.imshow("and_img", and_img)cv2.waitKey (0)
cv2.destroyAllWindows()

结果如下：

以上使用的图片与2.1示例中图片一致。逻辑或运算，只要不都为0则是1。图片img1中，字体为白，其它部分为0，但由于进行逻辑运算时，黑色部分进行计算的区域对应img3是有内容的，也就是说img3中该部分的内容非0。那么，结果就是img3中的图片内容，最终将会得到如上结果。

2.3 了解取反运算

取反运算非常简单，就是黑的边白，白的变黑；当然这样说不严谨，但是却很好反应了取反这个操作的结果；例如0取反则是1，1取反则是0。取反使用bitwise_not方法，bitwise_not方法接收一个图片参数。以下方法依旧使用名为1bit的图片。图片为了方便查看在代码中显示了原图内容。

import cv2img1 = cv2.imread(r'C:\Users\mx\Desktop\1bit.jpg')
not_img=cv2.bitwise_not(img1)
cv2.imshow("img1 ", img1 )
cv2.imshow("not_img", not_img)
cv2.waitKey (0)
cv2.destroyAllWindows()

结果如下：

2.4 逻辑运算有什么用呢？

我们在前两节中的值，可以通过inRange方法提取图片中的指定颜色内容，但是提取出来后将会得到一个黑白图片，那么如何对改图片进行颜色的还原呢？想必有些同学学完逻辑运算后觉得应该是找到了方法。是的，我们可以通过逻辑运算对图片进行颜色上的还原。因为我们提取出来的图片是黑白图片，提取出来指定颜色内容的区域为白色，那么只需要将图片与原图进行and运算，那么重合的部分就会显示出来，这个时候就可以还原提取后图片的颜色。但是，我们是哪个颜色提取出来的图片是单通道的灰度图片，怎么办呢？不急，首先我们把之前的代码贴上，方便查看：

import cv2
import numpy as npcapture=cv2.VideoCapture(r'C:\Users\mx\Desktop\hmbb.mp4')
min=np.array([26,43,46])
max=np.array([34,255,255])
while True:r,img=capture.read()if r==False:breakhsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)flag=cv2.inRange(hsv_img,lowerb=min,upperb=max)cv2.imshow("flag", flag)cv2.imshow("hmbb", img)k=cv2.waitKey (40)if k==27:break
cv2.destroyAllWindows()

以上代码已经在前两节“对象跟踪”小节讲解，那么现在只需要对提取到的图片与原图进行一个and逻辑运算即可，添加以下代码：

cflag=cv2.bitwise_and(img,img,mask=flag)

以上代码bitwise_and添加了两个相同的img参数，为什么添加呢？不急，下一节将会告诉大家。我们现在着重查看mask参数，mask参数赋值为提取到的flag目标区域的图片，表示遮罩。将会在之前传入的img中剔除不要的区域，只保留白色的区域，传入的类型是8位单通道的灰度图像。这时我们就可以将flag值赋值给mask，bitwise_and将会从img图片中做逻辑运算去除我们不需要的黑色区域的图片内容，这时将会得到一个颜色比较正常的海绵宝宝。完整代码如下：

import cv2
import numpy as npcapture=cv2.VideoCapture(r'C:\Users\mx\Desktop\hmbb.mp4')
img1 = cv2.imread(r'C:\Users\mx\Desktop\1bit.jpg')
min=np.array([26,43,46])
max=np.array([34,255,255])
while True:r,img=capture.read()if r==False:breakhsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)flag=cv2.inRange(hsv_img,lowerb=min,upperb=max)cflag=cv2.bitwise_and(img,img,mask=flag)cv2.imshow("flag", flag)cv2.imshow("hmbb", img)cv2.imshow("cflag", cflag)k=cv2.waitKey (40)if k==27:break
cv2.destroyAllWindows()

结果如下：

逻辑运算的更多内容下一节将会讲解。
该系列文章首发于ebaina

三、总结

了解了opencv中对图像进行逻辑与运算使用bitwise_and方法
了解了opencv中对图像进行逻辑或运算使用bitwise_or方法
了解了opencv中对图像进行取反运算使用bitwise_not方法
了解了and方法的其他用途，用于mask遮罩剔除不需要的内容

[python opencv 计算机视觉零基础到实战] 七、逻辑运算与应用相关推荐

[python opencv 计算机视觉零基础到实战] 八、ROI泛洪填充
一.学习目标了解什么是ROI 了解floodFill的使用方法如有错误欢迎指出~ 目录 [python opencv 计算机视觉零基础到实战] 一.opencv的helloworld [[pyth ...
[python opencv 计算机视觉零基础到实战] 十一找到图片中指定内容
一.学习目标了解图片内容定位方法matchTemplate使用了解minMaxLoc方法使用上一篇<[python opencv 计算机视觉零基础到实战] 十.图片效果毛玻璃> 如有 ...
[python opencv 计算机视觉零基础到实战] 十、图片效果毛玻璃
一.学习目标了解高斯模糊的使用方法了解毛玻璃的图片效果添加了解如何自己做一个噪声图片上一篇:[python opencv 计算机视觉零基础到实战] 九.模糊如有错误欢迎指出~ 二.了解模糊与 ...
[python opencv 计算机视觉零基础到实战] 六、图像运算
一.学习目标了解opencv中图像运算的方法了解opencv中图像运算的运用如有错误欢迎指出~ 二.了解OpenCV中图像运算的运用目录 [python opencv 计算机视觉零基础到实战] ...
[python opencv 计算机视觉零基础到实战] 四、了解色彩空间及其详解
一.学习目标了解什么是色彩空间了解opencv中色彩空间的转换目录 [python opencv 计算机视觉零基础到实战] 一.opencv的helloworld [[python opencv ...
[python opencv 计算机视觉零基础到实战] 三、numpy与图像编辑
一.学习目标了解图片的通道与数组结构了解使用numpy创建一个图片了解使用numpy对图片的一般操作方法目录 [python opencv 计算机视觉零基础到实战] 一.opencv的hell ...
【python opencv 计算机视觉零基础到实战】二、 opencv文件格式与摄像头读取
一.学习目标了解图片的结构属性了解如何捕获视频了解waitkey的使用方法目录 [python opencv 计算机视觉零基础到实战] 一.opencv的helloworld [[python ...
[python opencv 计算机视觉零基础到实战] 一 opencv的helloworld
前置条件说明:本系列opencv实战教程将从基础到实战,若只是简单学习完python也可以通过该教程完成一般的机器学习编程:文中将会对很多python的基础内容进行讲解,但由于文章定位的原因将不会赘 ...
[python opencv 计算机视觉零基础到实战] 十六、用opencv画画
一.学习目标了解如何使用line方法了解如何使用rectangle方法了解如何使用ellipse方法如有错误欢迎指出~ 二.了解OpenCV的绘图方法 2.1 了解直线绘图方法我们在前两节中 ...

[python opencv 计算机视觉零基础到实战] 七、逻辑运算与应用

一、学习目标

目录

二、了解OpenCV中图像运算的运用

2.1 了解and逻辑运算

2.2 了解or逻辑运算

2.3 了解取反运算

2.4 逻辑运算有什么用呢？

三、总结

[python opencv 计算机视觉零基础到实战] 七、逻辑运算与应用相关推荐

最新文章

热门文章