两张图的并集和相交

在编程中，我们常常需要对两个集合进行操作。其中，常用的操作包括计算集合的并集和相交。对于两张图像，我们可以将它们看作是由像素点组成的集合。因此，也可以对这两张图像进行并集和相交的操作。

图像的并集

图像的并集，即将两张图像的像素点合并，得到一个包含两张图像所有像素点的新图像。

实现这个操作需要遍历两张图像中的每个像素，将它们合并到一个新的像素坐标中。下面是一个 Python 实现的示例：

def union(img1, img2):
    """计算两张图像的并集"""
    rows, cols = img1.shape
    result = np.zeros([rows, cols], dtype=np.uint8)
    for i in range(rows):
        for j in range(cols):
            if img1[i, j] or img2[i, j]:
                result[i, j] = 255
    return result

在这个示例中，我们首先定义了一个 result 变量，它将作为合并后的图像。接着遍历两张图像中的每个像素，将它们合并到 result 中。注意到这里，只有当两张图像中的像素值都为 0 时，result 中的像素才为 0，否则为 255。

图像的相交

图像的相交，即将两张图像中重叠的像素点保留下来，得到一个新的图像。

实现这个操作也需要遍历两张图像中的每个像素，判断它们是否都存在。下面是一个 Python 实现的示例：

def intersection(img1, img2):
    """计算两张图像的相交"""
    rows, cols = img1.shape
    result = np.zeros([rows, cols], dtype=np.uint8)
    for i in range(rows):
        for j in range(cols):
            if img1[i, j] and img2[i, j]:
                result[i, j] = 255
    return result

在这个示例中，我们同样定义了一个 result 变量，它将作为相交后的图像。接着遍历两张图像中的每个像素，判断它们是否都存在。只有当两张图像中的像素值都为 255 时，result 中的像素才为 255，否则为 0。

总结

以上就是对图像的并集和相交操作的简要介绍。在实现这两个操作时，我们需要注意遍历两张图像中的每个像素，根据需要进行相应的操作。