需要源码请点赞关注收藏后评论区留言私信~~~

位运算是二进制数特有的运算操作，图像由像素组成，每个像素可以用十进制数表示，十进制整数又可以转化为二进制数，所以图像也可以做位运算，并且位运算是图像数字化技术中一项重要的运算的操作

OpenCV提供了几种常见的位运算方法 如下图所示

一、按位与运算

 与运算就是按照二进制位进行判断，如果同一位的数组都是1，则运算结果的相同位数取1，否则取0

图像做与运算时，会把每一个像素值都转为二进制数，然后让两幅图像相同位置的两个像素值做与运算，最后把运算结果保存在新图像的相同位置上

与运算有两个特点，如果某像素与纯白像素做与运算，结果仍然是某像素的原值

如果某像素与纯黑像素做与运算，结果为纯黑像素

由此可以得出，如果原图像与掩模进行与运算，原图像仅保留掩模中白色区域覆盖的内容，其他区域变成黑色

 如下图所示

代码如下

import cv2
import numpy as np

flower = cv2.imread("amygdalus triloba.png")  # 花原始图像
mask = np.zeros(flower.shape, np.uint8)  # 与花图像大小相等的掩模图像
mask[120:180, :, :] = 255  # 横着的白色区域
mask[:, 80:180, :] = 255  # 竖着的白色区域
img = cv2.bitwise_and(flower, mask)  # 与运算
cv2.imshow("flower", flower)  # 展示花图像
cv2.imshow("mask", mask)  # 展示掩模图像
cv2.imshow("img", img)  # 展示与运算结果
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

 二、按位或运算

或运算也是按照二进制位进行判断，如果同一位的数组都是0，则运算结果的相同位数据取0，否则取1

 如果某像素与纯白像素做或运算，结果仍然是纯白像素

如果某像素与纯黑像素做或运算，结果仍然是某像素的原值

由此可以得出，如果原图像与掩模进行或运算，原图像仅保留掩模中黑色区域覆盖的内容，其他区域变成白色

代码如下

import cv2
import numpy as np

flower = cv2.imread("amygdalus triloba.png")  # 花原始图像
mask = np.zeros(flower.shape, np.uint8)  # 与花图像大小相等的掩模图像
mask[120:180, :, :] = 255  # 横着的白色区域
mask[:, 80:180, :] = 255  # 竖着的白色区域
img = cv2.bitwise_or(flower, mask)  # 或运算
cv2.imshow("flower", flower)  # 展示花图像
cv2.imshow("mask", mask)  # 展示掩模图像
cv2.imshow("img", img)  # 展示或运算结果
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

 三、按位取反运算

取反运算是一种单目运算，仅需一个数字参与运算就可以得出结果，取反运算也是按照二进制位进行判断

图像经过取反运算后呈现与原图颜色完全相反的效果

import cv2

flower = cv2.imread("amygdalus triloba.png")  # 花原始图像
img = cv2.bitwise_not(flower)  # 取反运算
cv2.imshow("flower", flower)  # 展示花图像
cv2.imshow("img", img)  # 展示取反运算结果
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

 四、按位异或运算

异或运算也是按照二进制位进行判断，如果两个运算数同一位上的数字相同，则运算结果的相同位数字取0，否则取1

如果某像素与纯白像素做异或运算，结果位原像素的取反结果

如果某像素与纯黑像素做异或运算，结果仍然是某像素的原值

如果原图像与掩模进行异或运算，掩模白色区域覆盖的内容呈现取反效果，黑色区域覆盖内容保持不变

 代码如下

import cv2
import numpy as np

flower = cv2.imread("amygdalus triloba.png")  # 花原始图像
m = np.zeros(flower.shape, np.uint8)  # 与花图像大小相等的0值图像
m[120:180, :, :] = 255  # 横着的白色区域
m[:, 80:180, :] = 255  # 竖着的白色区域
img = cv2.bitwise_xor(flower, m)  # 两章图像做异或运算
cv2.imshow("flower", flower)  # 展示花图像
cv2.imshow("mask", m)  # 展示零值图像
cv2.imshow("img", img)  # 展示异或运算结果
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

异或运算还有一个特点，执行一次异或运算得到一个结果，再对这个结果执行第二次异或运算，则还原成最初的值，利用这个特点可以实现对图像内容的加密和解密

下面利用异或运算的特点对图像进行加密和解密

 从右到左分别是原图像 密匙图像 加密图像和解密图像 可以看到图像进行了加密

代码如下

import cv2
import numpy as np

def encode(img, img_key): # 加密、解密方法
    result = img = cv2.bitwise_xor(img, img_key)  # 两图像做异或运算
    return result

flower = cv2.imread("amygdalus triloba.png")  # 花原始图像
rows, colmns, channel = flower.shape  # 原图像的行数、列数和通道数
# 创建与花图像大小相等的随机像素图像，作为密钥图像
img_key = np.random.randint(0, 256, (rows, colmns, 3), np.uint8)

cv2.imshow("1", flower)  # 展示花图像
cv2.imshow("2", img_key)  # 展示秘钥图像

result = encode(flower, img_key)  # 对花图像进行加密
cv2.imshow("3", result)  # 展示加密图像
result = encode(result, img_key)  # 对花图像进行解密
cv2.imshow("4", result)  # 展示加密图像
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

创作不易 觉得有帮助请点赞关注收藏~~~