OpenCV是进行图像处理的工具，也是计算机视觉领域近十几年不断发展和完善的产物。面对这个已基本成熟的开源库知识体系，我们新生代有必要不断地总结、回顾，以新的视角快速融入计算机视觉的奥秘世界。

       从这篇随笔开始，让我们踏上重新回顾OpenCV进行图像处理的奇妙之旅。

1  图像处理基础

1.1  图像的读入、显示、保存

#图像读入
import cv2
img1 = cv2.imread(r'E:/python_opencv/tupian.jpg',0)

#图像显示
cv2.imshow('tupian',img1)
k = cv2.waitKey()

#图像保存
cv2.imwrite('tupian,jpg',img1)

1.2  图像的基本表示方法

分为二值图像、灰度图像、彩色图像 这三种表示方法。

二值图像：0和1表示像素点颜色，0为黑色，1为白色。

灰度图像：256个灰度级，用数值[0,255]表示，0为黑色，1为白色。

彩色图像：RGB色彩空间表示红、绿、蓝三种通道，数值均为[0,255]。但是在opencv中用BGR色彩空间表示。

不同的表示方法和色彩空间之间可以互相转换。

1.3  像素处理

像素是构成一幅图像的基本组成单位。

二值图像和灰度图像：img[0,2]表示第0行第2列的像素点。

彩色图像：opencv里img[0,2]表示第0行第2列上B、G、R三个通道的像素值，img[0,2,2]表示第0行第2列上第2个通道R的像素值。

注1：可以使用二层或三层循环嵌套，对某区域内像素值整体修改，如：

for i in range(0,50):          #i表示像素的行数
    for j in range(0,100):     #j表示像素的行数
        for k in range(0,3):   #k表示通道数
            img[i,j,k]=255     #该区域的像素值均修改为255

注2：使用Numpy库中的zeros()函数可以生成一个元素值都为0的数组，如：

import numpy as np
img = np.zeros((3,5,3),dtpye=np.uint8)

1.4  使用numpy访问像素

numpy模块中提供了item()访问像素值，itemset()修改像素值

item(i,j)或item(i,j,k)    

itemset((i,j),a) 或 itemset((i,j,k),a)   i,j为行和列，k为彩色图片中的通道，a为新值。如：

print('img.item(3,2,2)=',img.item(3,2,2))   #读取原像素值
img.itemset((3,2,2),255)   #将第3行第2列R通道的像素值修改为255

1.5  感兴趣区域（Region of Interset, ROI）

如果需要使用一张图片的某区域，可以将其定为感兴趣区域（ROI），然后就能对其整体进行操作。

A = img1[10:30,50:100]    #将img1的第10-30行像素、50-100列像素设定为ROI区域
img2[20:40,300:350] = A   #将该ROI区域赋给img2的第20-40行像素、300-350列像素

1.6  通道操作

对通道进行操作分为通道拆分和通道合并。

（一）通道拆分：

将BGR图像中的三个通道分别拆分出来。分为索引拆分方法和函数拆分方法。

索引拆分：

#拆分为B、G、R三个通道
B = img[:,:,0]
G = img[:,:,1]
R = img[:,:,2] 

函数拆分：

B,G,R = cv2.split(img)

（二）通道合并：

使用cv2.merge()函数将三个通道的灰度图像构成一幅彩色图像。

bgr = cv2.merge([b,g,r])  

1.7  获取图像属性

获取图像常用的属性，如大小、类型等。

shape 返回图像行数、列数、通道数

size 返回图像像素数

dtype 返回图像的数据类型

print('img.shape=',img.shape)   #shape 返回图像行数、列数、通道数
print('img.size=',img.size)     #size  返回图像像素数
print('img.dtype=',img.dtype)   #dtype 返回图像的数据类型

这次内容就分享到这里了，下次继续更新第2章图像的运算，希望与各位老师和小伙伴们交流学习~