OpenCV 图像像素的逻辑操作


一、知识点
1、图像像素的逻辑操作,指的是位操作bitwise,与、或、非、异或等。

2、位操作简介:
 

  位1     位2     与and     或or     异或xor0       0        0        0         00       1        0        1         11       0        0        1         11       1        1        1         0


  
3、void rectangle(InputOutputArray img, Rect rec, const Scalar & color, int thickness = 1, int lineType = LINE_8, int shift = 0);
  (1)、在图像上绘制或填充一个矩形。
  (2)、参数说明:
      img: 输入、输出参数,表示要绘制或填充矩形的图像。
      rec: 定义了矩形左上角位置、宽、高。
      color: 矩形线框或填充的颜色。
      thickness: >0时表示矩形线框粗细,<0时表示填充矩形。
      lineType: 线条的类型,如8连通、4连通。
      shift: 点坐标中的小数位数。
      
4、void bitwise_and(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray());
  (1)、执行两个数组的位与操作。
  (2)、参数说明:
      src1: 第一个输入数组。
      src2: 第二个输入数组。 src1和src2大小和类型得相同。
      dst: 输出数组,src1 & src2的结果数组。
      mask: 掩码数组,可选。 这个数组是8位单通道,且大小和输入数组相同,只有掩码中的非零元素对应的输入数组元素才会进行位与操作。 未指定掩码,则对整个输入数组进行位与操作。

5、void bitwise_or(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray());
  (1)、执行两个数组的位或操作。
  (2)、参数说明:
      src1: 第一个输入数组。
      src2: 第二个输入数组。 src1和src2大小和类型得相同。
      dst: 输出数组,src1 | src2的结果数组。
      mask: 掩码数组,可选。 这个数组是8位单通道,且大小和输入数组相同,只有掩码中的非零元素对应的输入数组元素才会进行位或操作。 未指定掩码,则对整个输入数组进行位或操作。

6、void bitwise_xor(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray());
  (1)、执行两个数组的异或操作。
  (2)、参数说明:
      src1: 第一个输入数组。
      src2: 第二个输入数组。 src1和src2大小和类型得相同。
      dst: 输出数组,src1 ^ src2的结果数组。
      mask: 掩码数组,可选。 这个数组是8位单通道,且大小和输入数组相同,只有掩码中的非零元素对应的输入数组元素才会进行异或操作。 未指定掩码,则对整个输入数组进行异或操作。

7、void bitwise_not(InputArray src, OutputArray dst, InputArray mask = noArray());
  (1)、取反数组的每一位。
  (2)、参数说明:
      src: 输入数组。
      dst: 输出数组,!src的结果数组。
      mask: 掩码数组,可选。 这个数组是8位单通道,且大小和输入数组相同,只有掩码中的非零元素对应的输入数组元素才会进行取反操作。 未指定掩码,则对整个输入数组进行取反操作。

二、示例代码:

#include <iostream>
#include <opencv2/opencv.hpp>int main()
{cv::Mat m1 = cv::Mat::zeros(256, 256, CV_8UC3);cv::Mat m2 = cv::Mat::zeros(256, 256, CV_8UC3);cv::rectangle(m1, cv::Rect(100, 100, 80, 80), cv::Scalar(255, 255, 0), -1, cv::LINE_8, 0);cv::rectangle(m2, cv::Rect(150, 150, 80, 80), cv::Scalar(0, 255, 255), -1, cv::LINE_8, 0);cv::imshow("m1", m1);cv::imshow("m2", m2);//两个矩形相交部分是(150, 150)到(180, 180)之间。//两个矩形相交部分经过与后, 结果为BGR(0, 255, 0); 图像其它像素经过与后,结果为BGR(0, 0, 0)。cv::Mat dst1;cv::bitwise_and(m1, m2, dst1);cv::imshow("bitwise_and", dst1);//两个矩形相交部分经过或后,结果为BGR(255, 255, 255); 两个矩形不相交部分原先是什么颜色, 或后结果仍为什么颜色; 图像其它像素经过或后,结果为BGR(0, 0, 0)。cv::Mat dst2;cv::bitwise_or(m1, m2, dst2);cv::imshow("bitwise_or", dst2);//两个矩形相交部分经过异或后,结果为BGR(255, 0, 255); 两个矩形不相交部分原先是什么颜色, 或后结果仍为什么颜色; 图像其它像素经过或后,结果为BGR(0, 0, 0)。cv::Mat dst3;cv::bitwise_xor(m1, m2, dst3);cv::imshow("bitwise_xor", dst3);//m1矩形经过非后,结果为BGR(0, 0, 255); 图像其它像素经过非后,结果为BGR(255, 255, 255)。cv::Mat dst4;cv::bitwise_not(m1, dst4);cv::imshow("bitwise_not", dst4);cv::waitKey(0);return 0;
}

运行结果:

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/pingmian/83746.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【AAOS】【源码分析】用户管理(二)-- 整体架构

整体介绍 Android多用户功能作为 Android Automotive 的重要组成部分,为不同驾驶员和乘客提供了一个更加定制化、隐私保护的使用环境。Android 多用户的存在,它可以让多个用户使用同一台设备,同时保持彼此的数据、应用和设置分隔开来。 各用户类型的权限 能力SystemAdminS…

Redis最佳实践——电商应用的性能监控与告警体系设计详解

Redis 在电商应用的性能监控与告警体系设计 一、原子级监控指标深度拆解 1. 内存维度监控 核心指标&#xff1a; # 实时内存组成分析&#xff08;单位字节&#xff09; used_memory: 物理内存总量 used_memory_dataset: 数据集占用量 used_memory_overhead: 管理开销内存 us…

多模态大语言模型arxiv论文略读(109)

Math-PUMA: Progressive Upward Multimodal Alignment to Enhance Mathematical Reasoning ➡️ 论文标题&#xff1a;Math-PUMA: Progressive Upward Multimodal Alignment to Enhance Mathematical Reasoning ➡️ 论文作者&#xff1a;Wenwen Zhuang, Xin Huang, Xiantao Z…

web3-以太坊智能合约基础(理解智能合约Solidity)

以太坊智能合约基础&#xff08;理解智能合约/Solidity&#xff09; 无需编程经验&#xff0c;也可以帮助你了解Solidity独特的部分&#xff1b;如果本身就有相应的编程经验如java&#xff0c;python等那么学起来也会非常的轻松 一、Solidity和EVM字节码 实际上以太坊链上储存…

D2-基于本地Ollama模型的多轮问答系统

本程序是一个基于 Gradio 和 Ollama API 构建的支持多轮对话的写作助手。相较于上一版本&#xff0c;本版本新增了对话历史记录、Token 计数、参数调节和清空对话功能&#xff0c;显著提升了用户体验和交互灵活性。 程序通过抽象基类 LLMAgent 实现模块化设计&#xff0c;当前…

传统业务对接AI-AI编程框架-Rasa的业务应用实战(2)--选定Python环境 安装rasa并初始化工程

此篇接续上一篇 传统业务对接AI-AI编程框架-Rasa的业务应用实战&#xff08;1&#xff09;--项目背景即学习初衷 1、Python 环境版本的选择 我主机上默认的Python环境是3.12.3 &#xff08;我喜欢保持使用最新版本的工具或框架&#xff0c;当初装python时最新的稳定版本就是…

Ubuntu22.04安装MinkowskiEngine

MinkowskiEngine简介 Minkowski引擎是一个用于稀疏张量的自动微分库。它支持所有标准神经网络层&#xff0c;例如对稀疏张量的卷积、池化和广播操作。 MinkowskiEngine安装 官方源码链接&#xff1a;GitHub - NVIDIA/MinkowskiEngine: Minkowski Engine is an auto-diff neu…

高等数学基础(矩阵基本操作转置和逆矩阵)

矩阵是否相等 若 A A A和 B B B为同型矩阵且对应位置的各个元素相同, 则称矩阵 A A A和 B B B相等 在Numpy中, 可以根据np.allclose()来判断 import numpy as npA np.random.rand(4, 4) # 生成一个随机 n x n 矩阵B A A.Tprint("矩阵是否相等&#xff1a;", np…

网络爬虫一课一得

网页爬虫&#xff08;Web Crawler&#xff09;是一种自动化程序&#xff0c;通过模拟人类浏览行为&#xff0c;从互联网上抓取、解析和存储网页数据。其核心作用是高效获取并结构化网络信息&#xff0c;为后续分析和应用提供数据基础。以下是其详细作用和用途方向&#xff1a; …

MATLAB实现井字棋

一、智能决策系统与博弈游戏概述 &#xff08;一&#xff09;智能决策系统核心概念 智能决策系统&#xff08;Intelligent Decision System, IDS&#xff09;是通过数据驱动和算法模型模拟人类决策过程的计算机系统&#xff0c;核心目标是在复杂环境中自动生成最优策略&#…

解决el-select选择框右侧下拉箭头遮挡文字问题

如图所示&#xff1a; el-select长度较短的时候&#xff0c;选择框右侧下拉箭头会遮挡选中的数据 选中数据被遮挡 解决办法&#xff1a; 组件如下&#xff1a; <td class"fmtd" :colspan"col.ptproCupNum" v-for"col in row" :key"…

【Linux】pthread多线程同步

参考文章&#xff1a;https://blog.csdn.net/Alkaid2000/article/details/128121066 一、线程同步 线程的主要优势在于&#xff0c;能够通过全局变量来共享信息。不过&#xff0c;这种便携的共享是有代价的&#xff1b;必须确保多个线程不会同时修改同一变量&#xff0c;或者某…

Spring框架学习day7--SpringWeb学习(概念与搭建配置)

SpringWeb1.SpringWeb特点2.SpringWeb运行流程3.SpringWeb组件4.搭建项目结构图&#xff1a;4.1导入jar包4.2在Web.xml配置**4.2.1配置统一拦截分发器 DispatcherServlet**4.2.2开启SpringWeb注解&#xff08;spring.xml&#xff09; 5.处理类的搭建6.SpringWeb请求流程(自己理…

业务到解决方案构想

解决方案构想的核心理解 解决方案构想是连接业务需求与技术实现的关键桥梁&#xff0c;从您描述的内容和我的理解&#xff0c;这个阶段的核心点包括&#xff1a; 核心要点解读 转化视角&#xff1a;将业务视角的需求转变为解决方案视角 业务能力探索阶段识别了"做什么&q…

jvm学习第1day jvm简介,栈溢出、堆溢出

jvm学习第1day jvm简介&#xff0c;栈溢出、堆溢出 jvm简介栈线程安全栈溢出线程运行诊断堆堆溢出 方法区方法区内存溢出常量池和运行时常量池 jvm简介 jvm 是编译后的字节码文件运行的环境&#xff0c; 因此各个平台有了jvm可以运行java.class文件&#xff0c;这是Java跨平台…

关于神经网络中的激活函数

这篇博客主要介绍一下神经网络中的激活函数以及为什么要存在激活函数。 首先&#xff0c;我先做一个简单的类比&#xff1a;激活函数的作用就像给神经网络里的 “数字信号” 加了一个 “智能阀门”&#xff0c;让机器能学会像人类一样思考复杂问题。 没有激活i函数的神经网络…

免费无限使用GPT Plus、Claude Pro、Grok Super、Deepseek满血版

渗透智能-ShirtAI&#xff0c;可以免费无限使用GPT Plus、Claude Pro、Grok Super、Deepseek满血版、除此之外还能免费使用AI搜索、Gemini AI、AI照片修复、AI橡皮擦、AI去背景、AI智能抠图、AI证件照、OCR识别、在线思维导图、在线绘图工具、PDF工具箱、PDF翻译。 传送入口&a…

阿里云 Linux 搭建邮件系统全流程及常见问题解决

阿里云 Linux 搭建 [conkl.com]邮件系统全流程及常见问题解决 目录 阿里云 Linux 搭建 [conkl.com]邮件系统全流程及常见问题解决一、前期准备&#xff08;关键配置需重点检查&#xff09;1.1 服务器与域名准备1.2 系统初始化&#xff08;必做操作&#xff09; 二、核心组件安装…

python版若依框架开发:项目结构解析

python版若依框架开发 从0起步&#xff0c;扬帆起航。 python版若依部署代码生成指南&#xff0c;迅速落地CURD&#xff01;项目结构解析 文章目录 python版若依框架开发前端后端 前端 后端

RabbitMQ 的异步化、解耦和流量削峰三大核心机制

RabbitMQ 的异步化、解耦和流量削峰三大核心机制 RabbitMQ 是解决数据库高并发问题的利器&#xff0c;通过异步化、解耦和流量削峰三大核心机制保护数据库。下面从设计思想到具体实现&#xff0c;深入剖析 RabbitMQ 应对高并发的完整方案&#xff1a; 一、数据库高并发核心痛点…