常见的按位逻辑运算

在OpenCV内，常见的按位运算函数如下表所示：

函数名	含义
bitwise_and()	按位与
bitwise_or()	按位或
bitwise_xor()	按位异或
bitwise_not()	按位取反

按位与运算

数学中按位与运算，简单概括就是只有对应的两个二进位都为1时，结果位才为1。在python中，通过“&”符号进行按位与运算，具体运算结果如下标：

算1	算2	结果	对应python代码
0	0	0	0&0
0	1	0	0&1
1	0	0	1&0
1	1	1	1&1

按位与运算是将数值转换为二进制后，对应位置进行运算。例如博主这里随便取两个数据，计算结果如下表：
|数值|十进制 |二进制结果 |
|--|--|--|--|
| 数值1| 165 | 10100101 |
| 数值2| 122| 01111010 |
| 结果 |32 | 00100000 |

掩模图像

要获取掩模图像，我们需要先介绍OpenCV中的按位与函数：cv2.bitwise_and()。其具体的语法为：

dst=cv2.bitwise_and(src1,src2[,mask])

dst：表示输入值具有同样大小的array输出值。
src1：表示第一个array或scalar类型的输入值
src2：表示第二个array或scalar类型的输入值
mask：表示可选操作掩码，8位单通道array

通过上面的按位与计算，我们知道，任何图像只要不是黑色，都不是0。所以，我们将黑色0与任何数字按位与计算都会得到1。这样，我们可以将不想显示的部分去掉。

首先，我们需要构建一个掩模图像，具体代码如下：

a = cv2.imread("2_2.png", 1)
b=np.zeros(a.shape,dtype=np.uint8)
b[100:400,200:400]=255

这里的b就是掩模图像，白色显示的部分就是我们需要截取的图像部分。这里[100:400,200:400]，你可以把图像想象成一个坐标系，左上角（100，200），右下角（200，400）。

运行之后，掩模图像b与原图a如下所示：

掩膜图像
原图

通过掩模图像，保留需要的图像

既然我们已经获取了掩模图像，下面我们可以直接通过OpenCV提供的函数进行运算得到，具体代码如下所示：

import cv2
import numpy as np
a = cv2.imread("2_2.png", 1)
b=np.zeros(a.shape,dtype=np.uint8)
b[100:400,200:400]=255
c=cv2.bitwise_and(a,b)
cv2.imshow("a", a)
cv2.imshow("b", b)
cv2.imshow("c", c)
cv2.waitKey()
cv2.destroyAllWindows()

运行之后，显示效果如下所示：

对比