【OpenCV + VS】图像的像素位运算

        在图像处理中，逻辑运算是非常常见的操作之一。通过像素位的逻辑运算，我们可以执行一些有趣的图像处理效果，例如结合两幅图像的特定区域、反转图像或提取图像的某些部分。OpenCV 提供了一些常用的函数来进行这些操作，比如
bitwise_and()、
bitwise_or()、
bitwise_xor() 和
bitwise_not() 等。

1. 准备工作

首先，确保你的环境已经安装了 OpenCV。我们将通过 OpenCV 进行基本的图像加载、显示和位运算。

2. 基本的位运算介绍

OpenCV 中提供了以下四个主要的位运算函数：


bitwise_and()：按位与操作，只有两个输入图像相应位置的像素都为 1 时，结果像素才为 1。


bitwise_or()：按位或操作，只要两个输入图像相应位置的像素有一个为 1，结果像素就为 1。


bitwise_xor()：按位异或操作，只有两个输入图像相应位置的像素不同（一个为 1，另一个为 0）时，结果像素才为 1。


bitwise_not()：按位取反操作，反转图像的每个像素位，0 变为 1，1 变为 0。

3. 示例代码：简单的图像逻辑操作

我们将创建两幅图像
m1 和
m2，它们分别包含不同颜色的矩形。然后，我们通过逻辑运算符对这两幅图像进行操作，并展示结果。

#include <opencv2/opencv.hpp>
#include <iostream>
 
using namespace cv;
using namespace std;
 
void bitwise_demo(Mat& image) {
    // 创建两幅全黑的图像
    Mat m1 = Mat::zeros(Size(256, 256), CV_8UC3);
    Mat m2 = Mat::zeros(Size(256, 256), CV_8UC3);
 
    // 在 m1 上画一个蓝色矩形（坐标：100,100，大小：80x80）
    rectangle(m1, Rect(100, 100, 80, 80), Scalar(255, 255, 0), -1, LINE_8, 0);
    // 在 m2 上画一个黄色矩形（坐标：150,150，大小：80x80）
    rectangle(m2, Rect(150, 150, 80, 80), Scalar(0, 255, 255), -1, LINE_8, 0);
 
    // 显示两幅图像
    imshow("m1", m1);
    imshow("m2", m2);
 
    Mat dst;  // 结果图像
 
    // 使用位异或（XOR）操作
    bitwise_xor(m1, m2, dst);
 
    // 显示处理结果
    imshow("像素位操作", dst);
}

4. 代码解析

图像创建：


Mat::zeros(Size(256, 256), CV_8UC3)：创建一个 256×256 的图像，并且每个像素包含 3 个通道（即彩色图像）。默认情况下图像是黑色的（即所有像素值为 0）。

绘制矩形：


rectangle()：在
m1 和
m2 上分别绘制不同颜色的矩形。
Rect(100, 100, 80, 80) 定义了矩形的位置和大小，
Scalar(255, 255, 0) 定义了颜色（蓝色）。

显示图像：


imshow()：用来显示图像。我们用
imshow("m1", m1) 来显示
m1，用
imshow("m2", m2) 来显示
m2。

位运算：


bitwise_xor(m1, m2, dst)：执行按位异或（XOR）操作。此操作对每个像素位执行：

如果两个像素位相同（都为 0 或都为 1），则结果为 0；

如果两个像素位不同（一个为 0，一个为 1），则结果为 1。

显示结果：


imshow("像素位操作", dst)：显示位操作后的结果。

5. 其他常见的逻辑运算

除了
bitwise_xor，你还可以使用其他位运算函数来执行不同的逻辑操作：


bitwise_and()：只有两个矩形的重叠区域会保留，其他部分会变成黑色。

bitwise_and(m1, m2, dst);
imshow("按位与操作", dst);


bitwise_or()：两个矩形区域合并在一起，重叠部分保留，其他部分也会显示出来。

bitwise_or(m1, m2, dst);
imshow("按位或操作", dst);


bitwise_not()：将图像反转，图像的所有像素值都会被取反。颜色变得与原始图像完全相反。

bitwise_not(m1, dst);
imshow("按位取反操作", dst);

6. 实际应用

逻辑位运算在图像处理中的应用非常广泛，以下是几个常见的应用场景：

图像融合：通过
bitwise_or() 或
bitwise_and() 可以将两张图像的某些部分融合在一起。

图像遮罩：通过逻辑运算，你可以创建一个图像的遮罩，进而对图像的特定区域进行处理。例如，
bitwise_and() 可以提取两个图像的重叠区域。

图像分割：通过
bitwise_xor() 等运算，可以有效地分割图像中的不同区域。

7. 演示

#include <opencv2/opencv.hpp>
#include <iostream>
 
using namespace cv;
using namespace std;
 
void bitwise_demo(Mat& image) {
    // 创建两幅全黑的图像
    Mat m1 = Mat::zeros(Size(256, 256), CV_8UC3);
    Mat m2 = Mat::zeros(Size(256, 256), CV_8UC3);
 
    // 在 m1 上画一个蓝色矩形（坐标：100,100，大小：80x80）
    rectangle(m1, Rect(100, 100, 80, 80), Scalar(255, 255, 0), -1, LINE_8, 0);
    // 在 m2 上画一个黄色矩形（坐标：150,150，大小：80x80）
    rectangle(m2, Rect(150, 150, 80, 80), Scalar(0, 255, 255), -1, LINE_8, 0);
 
    // 显示两幅图像
    imshow("m1", m1);
    imshow("m2", m2);
 
    Mat dst;  // 结果图像
 
    // 使用位异或（XOR）操作
    bitwise_xor(m1, m2, dst);
    // 显示处理结果
    imshow("像素位操作", dst);
 
    bitwise_and(m1, m2, dst);
    imshow("按位与操作", dst);
 
    bitwise_or(m1, m2, dst);
    imshow("按位或操作", dst);
 
    bitwise_not(m1, dst);
    imshow("按位取反操作", dst);
 
    bitwise_not(m2, dst);
    imshow("按位取反操作", dst);
 
}
 
 
int main() {
    Mat src = cv::imread(PicPath);
    bitwise_demo(src);
 
    waitKey(0);  // 等待用户按键
    destroyAllWindows();  // 关闭所有窗口
    return 0;
}