- 获取图像的像素值并修改
- 获取图像的属性（信息）
- 图像的ROI（）
- 图像通道的拆分及合并
1.获取并修改像素值
先读入图像装入一个图像实体，然后该实体相当于一个多维list，可以直接用数组操作提取像素信息，像素信息为按照BGR顺序排列（灰度图像会返回其灰度值）的一个list，也可以用list操作提取其单个值
import numpy as np
import cv2
img = cv2.imread('2.jpg')
px = img[100,100]
print(px)
blue = img[100,100,0]
print(blue)
##[215 218 222]
##215
还可以通过直接给像素赋值的方式来改变像素值
img[100,100] = [255,255,255]
结合Numpy库的操作会获得更好的获取像素值方法
import numpy as np
import cv2
img = cv2.imread('2.jpg')
px = img.item(10,10,2)%获取像素值
print(px)
img.itemset((10,10,2),100)%修改像素值
print(img.item(10,10,2))
#211
#100
这个方法只能获取到标量值，即无法用img.item（10,10）这样的操作获取一个list，只能通过输入一个3维坐标获取单个值
2.获取图像属性
图像属性包括：行列，通道（色彩），图像数据类型，像素数目等
img.shape可以获取图像的形状，其返回值是一个包括行数，列数，通道数的元组。
import numpy as np
import cv2
img = cv2.imread('2.jpg')
print(img.shape)
#(300, 450, 3)
如果读入的图是一个灰度图，则不返回通道数，此时若调取第3个值会报错。可以通过检查返回值就可以知道加载图像是灰度图还是彩图。
img.size会返回图像的像素数
img.dtype返回的是图像的数据类型（一般是uint8），该步在debug时很重要，因为在OpenCV-Python代码中经常出现数据类型不一致的情况
3、图像ROI
即提取图像的特点区域，通过切片方式来实现
import numpy as np
import cv2
img = cv2.imread('2.jpg')
eye = img[160:180,140:150]
img[0:20,0:10] = eye
4.拆分及合并图像通道
即将BGR三个通道拆分分别进行操作，或将三个通道合并形成BGR图像
import numpy as np
import cv2
img = cv2.imread('2.jpg')
b,g,r = cv2.split(img) #可以把图像分成三个通道
# img = cv2.merge(b,g,r) 教程上说可以这样用，但输入后会提示只能输入两个值
cv2.imshow('img',r) #在尝试中发现imshow能显示的图像必须有1或3或4条信道
cv2.waitKey(0)
cv2.destroyAllWindows()
但是cv2.split操作较耗时，一般还是用切片方法
b = img[:,:,0]
同理，若要使所有红色通道均为0，可以
img[:,:,2] = 0
5.为图像扩边（填充）
如果想在图像周围创建一个边，就想相框一样，可以使用cv2.copyMakeBorder()函数。他经常在卷积运算或0填充时被用到。它包括以下几个参数：
- src输入图像
- top，bottom，left，right对应边界的像素数目
- borderType要添加那种类型的边界，类型有
– cv2.BORDER_CONSTANT 添加有颜色的常数值边界，还需要下一个参数（value）。
– cv2.BORDER_REFLECT 边界元素的镜像。比如: fedcba|abcdefgh|hgfedcb
– cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT跟上面一样，但稍作改动。例如: gfedcb|abcdefgh|gfedcba
– cv2.BORDER_REPLICATE 重复最后一个元素。例如: aaaaaa|abcdefgh|hhhhhhh
– cv2.BORDER_WRAP 不知道怎么说了, 就像这样: cdefgh|abcdefgh|abcdefg
- value边界颜色，当边界类型为cv2.BORDER_CONSTANT