opencv-python-学习笔记五（图像的基本操作）
python-opencv中的图像表示
OpenCV中图像读入的数据格式是numpy的ndarray数据格式。用数组描述图像。是BGR格式，取值范围是[0,255].
分为三个维度：
第一维度：Height 高度，对应图片的 行数
第二维度：Width 宽度，对应图片的 列数
第三维度：Value 代表BGR三通道的值 在opencv中，其中 0代表B，1代表G，2代表R
import cv2 as cv import numpy as np img = np.zeros((3, 2, 3), np.uint8)#三行两列3个通道 cv.imshow("image", img) k = cv.waitKey(0) & 0xFF
获取单一像素值和修改
方法一：直接访问
以下参数含义：
x：x坐标
y：y坐标
0：B通道 1：G通道 2：R通道
首先加载一张彩色图片
import cv2 import numpy as np img = cv2.imread('4.jpg')
访问像素
px = img[y,x] print(px) # 输出值是 x,y 处，蓝b，绿g，红r 的数组 [100,200,190]
px = img[y,x,0] print(px) # 指定输出x,y处 ，0（B）通道的像素值 结果等于 157
修改像素
img[y, x] = [255, 255, 255] # 修改(x,y)处3个通道的像素值为 [255,255,255]
方法二：通过numpy优化库
Numpy是一个优化的库，能够快速计算数组。所以如果一个个访问每个像素并修改它的值是很慢的，也不推荐。一般来说都是选择数组的一片区域进行修改。
首先加载一张彩色图片
import cv2
import numpy as np
img = cv2.imread('4.jpg')
读取
print(img.item(10, 10,2))
如果想要访问BGR3个通道的值，需要分开访问，调用3次
修改
img.itemset((10, 10, 2), 100)
图片ROI（region of interest）
有时候，你会需要处理图片的特定区域。对于图片的眼部识别，首先对整个图片进行面部识别，找到脸以后，在脸的区域内找眼睛。这个方法能够提高准确度（因为眼睛总是在脸上的）性能上也好（因为我们找的区域更小）
截取图片
import cv2 as cv import numpy as np img = cv.imread('4.jpg') ball = img[280:340, 330:390] #img[y1:x1,y2:x2] y1:x1 对角线左上点的值 y2:x2 对角线右下点的值 img[100:160, 150:210] = ball #img[y1:x1,y2:x2]
cv.imshow("image",img) cv.waitKey(0)
图像通道的分割和合并
有时候可能需要将图片的3个通道分割出来，有时候会需要将一个通道合并到其它通道。
拆分通道
方法1：
b,g,r = cv.split(img)
参数：
img:待拆分图像
方法2：
b = img[:,:,0] #只获取图像的一个通道
注意：假设你想把所有的红色像素变成0，你不用这么分割，你可以简单的使用Numpy索引，这样更快。img[:,:,2]=0
警告：cv2.split()是一个成本很高的操作（执行时间），所以只在必要的时候使用。Numpy索引要更有效率，能用就用。
合并通道
dst=cv.merge(mv[, dst])
参数：
img = cv.merge((b,g,r))
