如何在OpenCV Python中使用bitwise运算符检测绿色区域像素质量？

实现思路 #

原本通过cv2.inRange生成颜色掩码、cv2.countNonZero统计像素的流程，可完全通过Bitwise运算符拆解为以下步骤：

1. 将图像转换为HSV色彩空间（更易精准筛选绿色）
2. 对H、S、V三个通道分别生成符合绿色范围的单通道掩码
3. 用Bitwise与操作合并三个通道的掩码，得到最终绿色区域掩码
4. 用Bitwise与操作配合求和，统计掩码中的非零像素数量

完整代码示例 #

import cv2
import numpy as np

# 读取图像并转换为HSV色彩空间
img = cv2.imread('target_image.jpg')
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 定义绿色的HSV范围（可根据实际场景调整）
low_h, high_h = 40, 70
low_s, high_s = 40, 255
low_v, high_v = 40, 255

# 生成各通道的范围掩码：先通过比较得到布尔数组，转为uint8格式的255/0，再用bitwise_and取交集
mask_h = cv2.bitwise_and(
    (hsv_img[:, :, 0] >= low_h).astype(np.uint8) * 255,
    (hsv_img[:, :, 0] <= high_h).astype(np.uint8) * 255
)
mask_s = cv2.bitwise_and(
    (hsv_img[:, :, 1] >= low_s).astype(np.uint8) * 255,
    (hsv_img[:, :, 1] <= high_s).astype(np.uint8) * 255
)
mask_v = cv2.bitwise_and(
    (hsv_img[:, :, 2] >= low_v).astype(np.uint8) * 255,
    (hsv_img[:, :, 2] <= high_v).astype(np.uint8) * 255
)

# 合并三个通道的掩码：只有同时满足三个通道范围的像素才会被保留
mask_hs = cv2.bitwise_and(mask_h, mask_s)
final_green_mask = cv2.bitwise_and(mask_hs, mask_v)

# 用Bitwise操作统计非零像素数：将掩码与全1矩阵做与操作，再求和后除以255（掩码非零值为255）
ones_matrix = np.ones_like(final_green_mask, dtype=np.uint8)
count_matrix = cv2.bitwise_and(final_green_mask, ones_matrix)
green_pixel_count = np.sum(count_matrix) // 255

print(f"绿色区域像素总数：{green_pixel_count}")

关键步骤说明 #

• 通道掩码生成：cv2.inRange本质是对每个通道做范围判断后取逻辑与，这里我们用bitwise_and替代逻辑与操作，手动实现每个通道的范围筛选。
• 掩码合并：通过多次bitwise_and操作，确保只有同时满足H、S、V三个通道范围的像素才会被标记为绿色区域。
• 像素统计：用bitwise_and将掩码中的255（非零值）转换为1，再通过求和得到像素数量，完全替代cv2.countNonZero的功能。

内容的提问来源于stack exchange，提问作者Jasgunh Singh