版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/weixin_35732969/article/details/83748054
考虑下面两张图片：
怎样得到下面的效果：
这里使用按位运算的方法。
第一步，截取操作区域：
img1 = cv2.imread('../material/images/23126-92.jpg')
img2 = cv2.imread('../material/images/opencv.jpg')
rows,cols,channels = img2.shape
roi = img1[0:rows,0:cols]
plt.imshow(roi[...,::-1])
第二步，使用cv2.cvtColor()函数将图片转成灰度图：
#颜色空间转换，这里是BGR转到灰度空间，常用的还有BGR到HSV空间：cv2.COLOR_BGR2HSV
img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)
plt.imshow(img2gray,cmap='gray')
第三步，使用二值化函数cv2.threshold()将灰度图二值化：
#THRESH_BINARY=0，THRESH_BINARY_INV,THRESH_TRUNC,THRESH_TOZERO,THRESH_TOZERO_INV,THRESH_OTSU,THRESH_TRIANGLE,THRESH_MASK
#二值化函数threshold(src, thresh, maxval, type[, dst]),thresh:阈值，maxval：最大值，type：阈值类型
#ret:暂时就认为是设定的thresh阈值，mask：二值化的图像
ret,mask = cv2.threshold(img2gray,175,255,cv2.THRESH_BINARY)
plt.imshow(mask,cmap='gray')
第四部，使用“非”操作函数cv2.bitwise_not()将上图颠倒黑白：
mask_inv = cv2.bitwise_not(mask)
plt.imshow(mask_inv,cmap='gray')
第五步，使用“与”操作函数cv2.bitwise_and()对图像掩膜（遮挡）：
对操作区域掩膜：
img1_bg = cv2.bitwise_and(roi,roi,mask=mask)
plt.imshow(img1_bg[...,::-1])
对img2掩膜：
img2_fg = cv2.bitwise_and(img2,img2,mask = mask_inv)
plt.imshow(img2_fg[...,::-1])
注意两次掩膜使用的mask不同。cv2.bitwise_and()函数前两个参数是“与”操作的操作对象，mask参数指定使用的模板。
第六步，使用cv2.add()函数将上面两图混合（相加）：
dst = cv2.add(img1_bg,img2_fg)
plt.imshow(dst[...,::-1])
最后一步，覆盖操作区域，就得到了最后结果：
img1[0:rows,0:cols] = dst
plt.imshow(img1[...,::-1])
参考资料：《OpenCV-Python 中文教程》段力辉 译
参考博文：