按位运算

按位操作有：AND，OR，NOT，XOR 等。当我们提取图像的 一部分，选择非矩形 ROI 时这些操作会很有用，常用于Logo 投射。

本节操作思路：

通过 threshold 函数将图片 固定阈值二值化，定义：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

import cv2import numpy as npimg = cv2.imread('1.jpg')img2  = cv2.imread('2c.jpg')rows,cols,channels = img2.shaperoi = img[0:rows, 0:cols]GrayImage=cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)  # 中值滤波  GrayImage= cv2.medianBlur(GrayImage,5)  # mask_bin 是黑白掩膜ret,mask_bin  = cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)  #mask_inv 是反色黑白掩膜mask_inv = cv2.bitwise_not(mask)# 黑白掩膜 和 大图切割区域 取和img1_bg = cv2.bitwise_and(roi,roi,mask = mask_bin)#反色黑白掩膜 和 logo 取和img2_fg = cv2.bitwise_and(img2,img2,mask = mask_inv)dst = cv2.add(img1_bg,img2_fg) img[0:rows, 0:cols ] = dstcv2.imshow('GrayImage',mask_bin)cv2.waitKey(0)cv2.destroyAllWindows()

为便于理解，贴出过程图

mask_bin 效果图：

mask_inv 效果图：

img1_bg 和 img2_fg 效果图:

最终效果图：