常见的按位逻辑运算
在OpenCV内，常见的按位运算函数如下表所示：
| 函数名 | 含义 |
| bitwise_and() | 按位与 |
| bitwise_or() | 按位或 |
| bitwise_xor() | 按位异或 |
| bitwise_not() | 按位取反 |
按位与运算
数学中按位与运算，简单概括就是只有对应的两个二进位都为1时，结果位才为1。在python中，通过“&”符号进行按位与运算，具体运算结果如下标：
| 算1 | 算2 | 结果 |
对应python代码 |
0 |
0 |
0 |
0&0 |
0 |
1 |
0 |
0&1 |
1 |
0 |
0 |
1&0 |
1 |
1 |
1 |
1&1 |
按位与运算是将数值转换为二进制后，对应位置进行运算。例如博主这里随便取两个数据，计算结果如下表：
| 数值 | 十进制 | 二进制结果 |
| 数值1 | 165 | 10100101 |
| 数值2 | 122 | 01111010 |
| 结果 | 32 | 00100000 |
掩模图像
要获取掩模图像，我们需要先介绍OpenCV中的按位与函数：cv2.bitwise_and()。其具体的语法为：
dst=cv2.bitwise_and(src1,src2[,mask])
dst：表示输入值具有同样大小的array输出值。
src1：表示第一个array或scalar类型的输入值
src2：表示第二个array或scalar类型的输入值
mask：表示可选操作掩码，8位单通道array
通过上面的按位与计算，我们知道，任何图像只要不是黑色，都不是0。所以，我们将黑色0与任何数字按位与计算都会得到1。这样，我们可以将不想显示的部分去掉。
首先，我们需要构建一个掩模图像，具体代码如下：
a = cv2.imread("2_2.png", 1) b=np.zeros(a.shape,dtype=np.uint8) b[100:400,200:400]=255
这里的b就是掩模图像，白色显示的部分就是我们需要截取的图像部分。这里[100:400,200:400]，你可以把图像想象成一个坐标系，左上角（100，200），右下角（200，400）。
运行之后，掩模图像b与原图a如下所示：
通过掩模图像，保留需要的图像
既然我们已经获取了掩模图像，下面我们可以直接通过OpenCV提供的函数进行运算得到，具体代码如下所示：
import cv2 import numpy as np a = cv2.imread("2_2.png", 1) b=np.zeros(a.shape,dtype=np.uint8) b[100:400,200:400]=255 c=cv2.bitwise_and(a,b) cv2.imshow("a", a) cv2.imshow("b", b) cv2.imshow("c", c) cv2.waitKey() cv2.destroyAllWindows()
运行之后，显示效果如下所示：
