在本博文中，您将学习如何在 OpenCV 中应用按位 AND、OR、XOR 和 NOT

在我们深入本教程之前，我将假设您了解四个基本的按位运算符：

通过博文末尾或此处的的代码下载 下载本博文对应的代码项目，以下是下载解压后的项目结构：

我们今天只有一个脚本， opencv_bitwise.py，这会将 AND、OR、XOR 和 NOR 运算符应用于示例图像。

在本节中，我们将回顾四个按位运算：AND，OR，XOR和NOT。虽然非常基础和低级，但这四个操作对于图像处理至关重要 。 按位运算以二进制方式运行，并表示为灰度图像。如果给定的像素值为 0，则它会“关闭”，如果像素的值大于零，则它会“打开”。

让我们继续并跳入一些代码： 对于前几行代码导入，我们需要的包包括：NumPy 和我们的 OpenCV 绑定。

我们在第 6行将矩形图像初始化为300 x 300 NumPy 数组。然后我们在图像的中心绘制一个250 x 250 的白色矩形。

类似地，在第 11 行，我们初始化另一个图像以包含我们的圆，我们在第 12 行再次以图像的中间为中心绘制圆，半径为 150 像素。

下图显示了我们的两个形状： 如果考虑这些输入图像，我们将看到它们只有两个像素强度值-一个像素是 0（黑色）或像素大于零（白色）。我们称只有两个像素强度值的图像为二进制图像。

另一种看待二进制图像的方式就像我们客厅里的开/关开关。想象一下300 x 300图像中的每个像素都是一个灯开关。如果开关关闭，则像素的值为零。但是如果像素是on，它的值大于零。

在图 2 中，我们可以看到分别构成矩形和圆形的白色像素，它们的像素值为on，而周围像素的值为off。

在我们演示按位运算时，根据这种开/关的概念：

正如我上面提到的，如果一个给定的像素的值大于零，它就会“打开”，如果它的值为零，它就会“关闭”。按位函数在这些二进制条件下运行。

为了利用按位函数，我们假设（在大多数情况下）我们正在比较两个像素（唯一的例外是 NOT 函数）。我们将比较每个像素，然后构建我们的按位表示。

让我们快速回顾一下我们的二元运算：

我们可以看到正方形的边缘丢失了——这是有道理的，因为我们的矩形没有像圆形那样覆盖面积大，因此两个像素都没有“打开”。

现在让我们应用按位或 我们在第 28 行应用按位 OR使用cv2.bitwise_or功能。如果两个像素中的任何一个大于零，则按位 OR 为真。看一下下图中按位 OR 的输出：

在这种情况下，我们的正方形和矩形已经组合在一起。

接下来是按位异或：

我们在第 35 行应用按位异或，使用cv2.bitwise_xor 功能。

当且仅当两个像素之一大于零时，XOR 运算才为真，但两个像素都不能大于零。

XOR 运算的输出如下图所示：

在这里，我们看到正方形的中心已被移除。同样，这是有道理的，因为 XOR 操作不能让两个像素都大于零。

最后，我们到达按位非函数： 我们在第 42 行应用按位 NOT使用cv2.bitwise_not功能。本质上，按位非函数翻转像素值。所有大于零的像素都设置为零，所有等于零的像素都设置为255： 注意我们的圆圈是如何改变的 ——最初，圆圈是黑色背景上的白色，现在圆圈是白色背景上的黑色。

代码下载