bitwise_and运算符在openCV中究竟做了什么？

Question

在openCV中使用时,我并不完全理解"bitwise_and"运算符的作用.我也想知道它的参数.

Answer 1

一般用法是您想要获取由另一个图像定义的图像的子集,通常称为"掩码".

因此,假设您想要"抓住"8x8图像的左上象限.你可以形成一个看起来像这样的面具:

1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0
1 1 1 1 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0

您可以使用Python生成上面的图像:

import numpy as np

mask = np.zeros(shape=(8,8), dtype=bool)
mask[0:4,0:4] = True

然后假设你有一个像这样的图像:

1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

具体来说,想象一下上面的图像是美国国旗的简化表示:左上角的星星,其他地方的星星.假设您想要形成上面的图像.您可以使用掩码,bitwise_and和bitwise_or来帮助您.

imageStars = np.ones(shape=(8,8), dtype=bool)
for r, row in enumerate(imageStars):
    for c, col in enumerate(row):
        if r % 2 != c % 2: # even row, odd column, or odd row, even column
            imageStars[r,c] = False

imageBars = np.zeros(shape=(8,8), dtype=bool)
for r, row in enumerate(imageStars):
    if r % 2 == 0:
        imageBars[r,:] = True

现在你有一个星星的形象:

1 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1    
1 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1    
1 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1    
1 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1

和酒吧的形象:

1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

并且你想以特定的方式组合它们,形成旗帜,左上象限中的星星和其他地方的条形.

imageStarsCropped = cv2.bitwise_and(imageStars, mask)

imageStarsCropped 看起来像:

1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0    
1 0 1 0 0 0 0 0
0 1 0 1 0 0 0 0  
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0

你看到它是如何形成的吗？该bitwise_and回报率1在每个像素地方imageStars是1和mask是1; 否则,它返回0.

现在让我们来imageBarsCropped.首先,让我们颠倒面具:

maskReversed = cv2.bitwise_not(mask)

bitwise_not把它变成1's 0'和0's 1' 变成's'.它"翻转了一下". maskReversed看起来像:

0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1

现在,我们将用maskReversed"抓住" imageBars我们想要的部分.

imageBarsCropped = cv2.bitwise_and(imageBars, maskReversed)

imageBarsCropped 看起来像:

0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
0 0 0 0 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

现在,让我们将两个"裁剪"的图像组合起来形成旗帜!

imageFlag = cv2.bitwise_or(imageStarsCropped, imageBarsCropped)

imageFlag 看起来像:

1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 0 1 0 1 1 1 1
0 1 0 1 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0

你明白为什么吗？ bitwise_or返回1时imageStarsCropped[r,c]==1OR imageBarsCropped[r,c]==1.

好吧,我希望这有助于您理解OpenCV中的按位操作.这些属性与使用二进制数的按位运算一一对应,计算机可以进行算术运算.

Answer 2

运营商做什么的？

bitwise_and、bitwise_or和bitwise_xor对取自两个数组src1nd 的元素执行按位运算src2。bitwise_not类似。按位表示布尔运算是在值的每一位之间逐位完成的。

掩模参数是什么？

它实际上不是布尔掩码（布尔数组将被拒绝）。它是一种uint8数组类型，其中值被检查为 0 或非 0。“掩码”具有与图像相同的 x,y 形状，但其元素是标量，即对于 uint8 的 100 x 50 x 3 图像，掩码必须是 uint8 的 100 x 50 数组。

面膜如何使用？

该掩码确定是否对位置 x,y 处的像素对执行操作。如果掩码中位置 x,y 处的元素为 0，则不执行任何操作，结果数组中的像素为 0,0,0（黑色）。如果位置 x,y 处的掩码元素不为空，则按位运算确定结果数组中的值。

假设我们要提取圆圈内的像素并将其他像素设为白色。这可以通过使用互补掩码的按位运算来完成：

import numpy as np
import cv2
import matplotlib.pyplot as plt

images = 'images/'

# Read image 330 x 379 x 3 uint8
img = cv2.imread(images + 'sample.jpg')

# Reorder channels as display is done with pyplot
img[:,:,[0,1,2]] = img[:,:,[2,1,0]]

# Create white image, 3 channels 330 x 379 x 3 uint8
w_3c = np.full_like(img, fill_value=(255,255,255))

# Define disk elements
center = (img.shape[1]//2, img.shape[0]//2)
radius = int(min(center) * .9)

# Create white disk, 3 channels 330 x 379 x 3 uint8
# and single channel 330 x 379 uint8
d_3c = np.zeros_like (img[:,:], dtype='uint8')
cv2.circle(d_3c, center, radius, [255]*3, thickness=cv2.FILLED)
d_1c = d_3c[:,:,0]

# Extract pixels disk using white disk single channel
masked = cv2.bitwise_and(img, w_3c, mask=d_1c)

# Add white background
d_3c_i = ~d_3c
final = cv2.bitwise_or(img, d_3c_i)

# Prepare to plot
to_plot = [[(img,'img'),
            (w_3c,'w_3c')],
           [(d_3c,'d_3c'),
            (d_1c,'d_1c'),
            (d_3c_i,'d_3c_i')],
           [(masked,'img & w_3c mask d_1c'),
            (final,'img | d_3c_i)')]]
r = len(to_plot)
c = max([len(l) for l in to_plot])

# Show everthing
fig,ax = plt.subplots(r,c, tight_layout=True)
for i in range(r):
    for j in range(c):
        axij = ax[i,j]
        if j < len(to_plot[i]):
            dims = to_plot[i][j][0].ndim
            if dims <= 3:
                axij.imshow(to_plot[i][j][0], cmap='gray')
            else:
                axij.imshow(to_plot[i][j][0])
            axij.set_title(to_plot[i][j][1])
            axij.set_xticks([])
            axij.set_yticks([])
        else:
            axij.set_axis_off()

plt.ioff()
plt.show()

代码可能还可以改进。

Answer 3

按位与

\n

\n

计算两个数组或一个数组和一个标量的每个元素的按位合。

\n

参数：

\n

\n
• src1 \xe2\x80\x93 第一个输入数组或标量。
\n
• src2 \xe2\x80\x93 第二个输入数组或标量。
\n
• src \xe2\x80\x93 单输入数组。
\n
• 值 \xe2\x80\x93 标量值。
\n
• dst \xe2\x80\x93 输出数组，其大小和类型与输入数组相同。
\n
• mask \xe2\x80\x93 可选操作掩码，8位单通道数组，指定要更改的输出数组的元素。
\n

\n

\n

这是在网上找到的示例：\n http://docs.opencv.org/trunk/d0/d86/tutorial_py_image_arithmetics.html

\n