按位操作有：AND，OR，NOT，XOR 等。当我们提取图像的 一部分，选择非矩形 ROI 时这些操作会很有用，常用于Logo 投射。
本节操作思路：
通过 threshold 函数将图片 固定阈值二值化，
定义：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。
一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。
import cv2
import numpy as np
img = cv2.imread(‘1.jpg‘)
img2 = cv2.imread(‘2c.jpg‘)
rows,cols,channels = img2.shape
roi = img[0:rows, 0:cols]
GrayImage=cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)
# 中值滤波
GrayImage= cv2.medianBlur(GrayImage,5)
# mask_bin 是黑白掩膜
ret,mask_bin = cv2.threshold(GrayImage,127,255,cv2.THRESH_BINARY)
#mask_inv 是反色黑白掩膜
mask_inv = cv2.bitwise_not(mask)
# 黑白掩膜 和 大图切割区域 取和
img1_bg = cv2.bitwise_and(roi,roi,mask = mask_bin)
#反色黑白掩膜 和 logo 取和
img2_fg = cv2.bitwise_and(img2,img2,mask = mask_inv)
dst = cv2.add(img1_bg,img2_fg)
img[0:rows, 0:cols ] = dst
cv2.imshow(‘GrayImage‘,mask_bin)
cv2.waitKey(0)
cv2.destroyAllWindows()为便于理解，贴出过程图
mask_bin 效果图：
mask_inv 效果图：
img1_bg 和 img2_fg 效果图:
最终效果图：
【AI基础】python:openCV——图像算术运算（2）：按位运算
原文地址：http://blog.51cto.com/devops2016/2088574
