二值化逻辑运算¶
概要¶
本节， 阿凯创建了两个二值化图像， 演示了各种二值化运算对应的效果。并给出了详细的二值化逻辑运算对应的真值表(Truth Table)。
keywords 二值化 Binary Bool 逻辑运算
1. 创建二值化图像¶
首先我们定义两个图形, 一个是正方形，另外一个为圆形。
中间白色的区域是1 (灰度值为255)
黑色的区域即为0 (灰度值为0)
图形1 正方形
rectangle = np.zeros((300, 300), dtype="uint8") cv2.rectangle(rectangle, (25, 25), (275, 275), 255, -1) cv2.imwrite("bitwise_rectangle.png", rectangle)
图形2 圆形
circle = np.zeros((300, 300), dtype="uint8") cv2.circle(circle, (150, 150), 150, 255, -1) cv2.imwrite("bitwise_circle.png", circle)
完整的代码如下:
src/create-binary-image.py
''' 创建二值化的矩形还有圆形 ''' import cv2 import numpy as np rectangle = np.zeros((300, 300), dtype="uint8") cv2.rectangle(rectangle, (25, 25), (275, 275), 255, -1) cv2.imwrite("bitwise_rectangle.png", rectangle) circle = np.zeros((300, 300), dtype="uint8") cv2.circle(circle, (150, 150), 150, 255, -1) cv2.imwrite("bitwise_circle.png", circle)
然后我们对其进行逻辑运算。
2. 逻辑非 - not¶
逻辑非其实也相当于反色。 原来是白色的地方变成黑色， 原来是黑色的地方变成白色。
bitwiseNOT = cv2.bitwise_not(circle) cv2.imwrite("bitwise_not_circle.png", bitwiseNOT)
真值表
| A | not A |
|---|---|
| 0 | 1 |
| 1 | 0 |
效果
完整源码
bitwise_not_circle.py
''' 测试二值化非 ''' import cv2 circle = cv2.imread('bitwise_circle.png', cv2.IMREAD_GRAYSCALE) bitwiseNOT = cv2.bitwise_not(circle) cv2.imwrite("bitwise_not_circle.png", bitwiseNOT)
3. 逻辑与 - and¶
逻辑与经常被用于遮盖层(MASK), 即去除背景, 选取自己感兴趣的区域.
bitwiseAnd = cv2.bitwise_and(rectangle, circle) cv2.imwrite("bitwise_and.png", bitwiseAnd)
真值表
| A | B | A AND B |
|---|---|---|
| 0 | 0 | 0 |
| 0 | 1 | 0 |
| 1 | 0 | 0 |
| 1 | 1 | 1 |
效果
完整源码
src/bitwise_and.py
''' 二值化图像逻辑与 ''' import cv2 circle = cv2.imread('bitwise_circle.png', cv2.IMREAD_GRAYSCALE) rectangle = cv2.imread('bitwise_rectangle.png', cv2.IMREAD_GRAYSCALE) bitwiseAnd = cv2.bitwise_and(rectangle, circle) cv2.imwrite("bitwise_and.png", bitwiseAnd)
4. 逻辑或 - or¶
bitwiseOR = cv2.bitwise_or(rectangle, circle) cv2.imwrite("bitwise_or.png", bitwiseOR)
真值表
| A | B | A OR B |
|---|---|---|
| 0 | 0 | 0 |
| 0 | 1 | 1 |
| 1 | 0 | 1 |
| 1 | 1 | 1 |
效果
完整源码
bitwise_or.py
''' 二值化图像-或 ''' import cv2 circle = cv2.imread('bitwise_circle.png', cv2.IMREAD_GRAYSCALE) rectangle = cv2.imread('bitwise_rectangle.png', cv2.IMREAD_GRAYSCALE) bitwiseOR = cv2.bitwise_or(rectangle, circle) cv2.imwrite("bitwise_or.png", bitwiseOR)
5. 逻辑与非 - nand¶
bitwiseNAnd = cv2.bitwise_not(bitwiseAnd) cv2.imwrite("bitwise_nand.png", bitwiseNAnd)
真值表
| A | B | A NOT AND B |
|---|---|---|
| 0 | 0 | 1 |
| 0 | 1 | 0 |
| 1 | 0 | 0 |
| 1 | 1 | 0 |
效果
完整源码
bitwise_nand.py
''' 二值化图像-与非 ''' import cv2 circle = cv2.imread('bitwise_circle.png', cv2.IMREAD_GRAYSCALE) rectangle = cv2.imread('bitwise_rectangle.png', cv2.IMREAD_GRAYSCALE) bitwiseAnd = cv2.bitwise_and(rectangle, circle) bitwiseNAnd = cv2.bitwise_not(bitwiseAnd) cv2.imwrite("bitwise_nand.png", bitwiseNAnd)
6. 逻辑或非 - nor¶
bitwiseNOR = cv2.bitwise_and(cv2.bitwise_not(rectangle), cv2.bitwise_not(circle)) cv2.imwrite("bitwise_nor.png", bitwiseNOR)
真值表
| A | B | A NOR B |
|---|---|---|
| 0 | 0 | 1 |
| 0 | 1 | 0 |
| 1 | 0 | 0 |
| 1 | 1 | 0 |
效果
7. 逻辑异或 - xor¶
bitwiseXOR = cv2.bitwise_xor(rectangle, circle) cv2.imwrite("bitwise_xor.png", bitwiseXOR)
真值表
| A | B | A OR B |
|---|---|---|
| 0 | 0 | 0 |
| 0 | 1 | 1 |
| 1 | 0 | 1 |
| 1 | 1 | 0 |
效果
完整源码
bitwise_xor.py
''' 二值化图像-异或 ''' import cv2 circle = cv2.imread('bitwise_circle.png', cv2.IMREAD_GRAYSCALE) rectangle = cv2.imread('bitwise_rectangle.png', cv2.IMREAD_GRAYSCALE) bitwiseXOR = cv2.bitwise_xor(rectangle, circle) cv2.imwrite("bitwise_xor.png", bitwiseXOR)
8. 逻辑异或非 - xnor¶
bitwiseXNOR = cv2.bitwise_or(bitwiseAnd, bitwiseNOR) cv2.imwrite("bitwise_xnor.png", bitwiseXNOR)
真值表
| A | B | A OR B |
|---|---|---|
| 0 | 0 | 1 |
| 0 | 1 | 0 |
| 1 | 0 | 0 |
| 1 | 1 | 1 |
效果
完整源码
bitwise_xnor.py
''' 二值化图像抑或非 ''' import cv2 circle = cv2.imread('bitwise_circle.png', cv2.IMREAD_GRAYSCALE) rectangle = cv2.imread('bitwise_rectangle.png', cv2.IMREAD_GRAYSCALE) bitwiseAnd = cv2.bitwise_and(rectangle, circle) bitwiseNOR = cv2.bitwise_not(cv2.bitwise_or(rectangle, circle)) bitwiseXNOR = cv2.bitwise_or(bitwiseAnd, bitwiseNOR) cv2.imwrite("bitwise_xnor.png", bitwiseXNOR)
