[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

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()