预备知识：
图像ROI：
图像ROI（Region Of Interest），即感兴趣的区域，该操作能够非常轻松的通过numpy的切片操作实现。
注意切片操作后对ROI像素值的更改也会影响到原图，如果不想影响到原图，先将roi做一个copy操作就好，roi_copy = roi.copy()
图像像素值的界限
两个uint8的ndarray相加，值超过255的部分将会以对256取模的方式返回到结果中，在减法中由于无符号减法是两数的补码相减，减完后再返回相应的原码（不想细说这部分了。。几乎没有人会用到无符号整数的越界操作），所以给人一种首尾相连的感觉。
比如：254+10=8，10-20=246
而用opencv的add与subtract对两个uint8 ndarray操作的化会自动clip到[0, 255]上，所以在对像素做加减法的时候最好用opencv的函数，结果一定会符合预期！
比如：254+10=255，10-20=0
图像像素的逻辑操作
像素逻辑操作共有四种，三种为二元操作类型：与，或，异或操作，一种为一元操作类型：非
特点：1. 图像最好是是二值图像，即像素点的值要么是0，要么就是255，没有其他值。不是二值图像的话opencv也支持。 2.像素级的操作，也就是对应像素间的操作，所以两图像大小必须一致。
逻辑与：两个都为真才是真，cv2.bitwise_and(img1, img2, mask)
逻辑或：有一个为真就是真，cv2.bitwise_or(img1, img2, mask)
逻辑异或：两者不同为真，cv2.bitwise_xor(img1, img2, mask)
逻辑非：原先为假结果就是真，原先为真结果就是假，cv2.bitwise_not(img1,mask)
掩膜
上面的函数最后一项都为mask，这就是掩膜，具体作用就是真正要进行操作的区域，因为有的时候我们并不需要对整个图像进行操作。
掩膜的大小与原图像相同，为二值图像，我们真正要操作的区域就是掩膜图像中的非零部分（即灰度值为255的部分），与ROI的功能相同吧。
总结：
1、用numpy的切片操作可以很方便的提取图像ROI
2、对图像的加减运算最好用cv2.add()和cv2.subtract()防止出现意想不到的错误
3、四种基于像素点的逻辑操作
4、掩膜图像上为255的地方进行相应的逻辑操作，掩膜图像的大小应与原图保持一致！
import cv2 as cv
import numpy as npsrc=cv.imread(r’C:\Users\zs\Desktop\defm.jpg’)
cv.namedWindow(‘input’,cv.WINDOW_AUTOSIZE)
cv.imshow(‘input’,src)
h,w=src.shape[:2]cy=h//2
cx=w//2
roi=src[cy-100:cy+100,cx-100:cx+100,:]
cv.imshow(‘roi’,roi)image=np.copy(roi)
roi[:,:,0]=0
cv.imshow(‘result’,src)image[:,:,2]=0
cv.imshow(‘result’,src)
cv.imshow(‘copy roi’,image)src2=cv.imread(r’C:\Users\zs\Desktop\defm.jpg’)
cv.imshow(‘src2’,src2)
hsv=cv.cvtColor(src2,cv.COLOR_BGR2HSV)
mask=cv.inRange(hsv,(35,43,46),(99,255,255))mask=cv.bitwise_not(mask)
person=cv.bitwise_and(src2,src2,mask=mask)result=np.zeros(src2.shape,src2.dtype)
result[:,:,0]=255mask=cv.bitwise_not(mask)
dst=cv.bitwise_or(person,result,mask=mask)
dst=cv.add(dst,person)cv.imshow(‘dst’,dst)
cv.waitKey(0)
cv.destroyAllWindows()
