像素邏輯運算，一般用來進行遮罩層控制。
假如我們有一個遮罩層圖像，只想要遮罩圖的白色區域顯示原圖，就可以用到與運算（AND）；因為這時候白色區域的像素運算結果取決於原圖，而黑色區域的運算結果一定是黑色。
或運算（OR）能夠得到一個區域上互補性地更加接近上邊界值的圖像，也即局部亮度提升。
非運算（NOT）和被減數是最大像素值時的減法算術運算結果相同，比如NOT 100（十進制，對應的二進制是01100100） = 155（十進制，對應的二進制是 10011011），也就是說100的非值就等於255-100。
非運算（NOT）就是反相操作，白的變成黑的，黑的變成白的。
異或運算（XOR）一般用來判斷兩個圖像是否相同，如果相同最後生成純黑色圖像，如果不同就會有白色塊，並且使用sum()函數把所有元素加起來會發現不為0。
各個運算的API
- cv2.bitwise_and(src1, src2)
- cv2.bitwise_or(src1, src2)
- cv2.bitwise_not(src1, src2)
- cv2.bitwise_nor(src1, src2)
遮罩層控制指用上面提到的與運算API（bitwise_and），設置參數mask，實現只顯示遮罩圖像的透光（白色）區域。
cv.bitwise_and(src, src, mask)
像素算術運算，可以改變圖像的亮度（暗度）。
各個運算的API
- cv2.add(src1, src2, dst, mask, dtype)
- cv2.subtract(src1, src2, dst, mask, dtype)
- cv2.multiply(src1, src2, dst, mask, dtype)
- cv2.divide(src1, src2, dst, mask, dtype)
src1和src2既可以都是單個數值，也可以都是圖像數組，也可以是一個圖像數組搭配一個單個數值，總之只要能滿足Broadcast機制，就允許。
dst在Python語言中，可以省略不寫，因為函數返回值就是dst
mask代表改變的范圍。
注意上面四大API，都是飽和運算；也即如果實際結果數值小於下邊界，就等於下邊界，如果大於上邊界，就等於上邊界。典型的容器類型是CV_8U，下邊界是0，上邊界是255，如果計算結果小於0就返回0，如果計算結果大於255就返回255。
圖像融合屬於圖像加法運算的特例，圖像加法運算是兩個圖像的權值都為1，而圖像融合是兩圖權值和為1。
add()和addweighted()都是飽和運算。
語法格式如下
cv.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) ->dst
alpha是src1的權重
beta是src2的權重
gamma是結果偏移值
