利用OpenCV3处理文件

1. 读/写图像文件

OpenCV的imread函数()和imwrite函数()都可以支持各种静态文件格式。无论哪种格式，每个像素都有一个值，但不同格式表示像素的方式又有所不同。
利用二维numpy数组创建的简单图像和利用cv2.cvColor函数将该图像转换成BGR(Blue-green-red)格式，通过shape属性来查看图像的结构。
numpy创建的数组属性返回为(3,3)，而转为BGR格式则返回(3,3,3)，这表明每个像素存在三个通道。
也可以通过读取一种格式的图像文件，然后将其保存为另一种格式，如下图：
在默认的情况下，即使是灰度图像imread()函数也会返回BGR格式的图像，BGR和RGB所表的色彩空间相同，但是字节顺序相反。
以下选项可作为imread()函数的参数：
****IMREAD_ANYCOLOR = 4
****MREAD_ANYDEPTH = 2
****IMREAD_COLOR = 1
****IMREAD_GRAYSCALE = 0
****IMREAD_LOAD_GOAL = 8
****IMREAD_UNCHANGED = -1
下图则将加载的png文件作为灰度图像，然后又将其保存为灰度的png图像：
无论采用哪种模式，imread()函数会删除所有alpha通道的信息（透明度）。imwrite()函数要求图像为BGR或灰度格式，并且每个通道要有一定的位（bit)，输出格式要支持这些通道。例如，bmp格式要求每个通道有8位，而PNG允许每个通道有8位或16位。

2.图像与原始字节之间的转换

一个OpenCV图像是.array类型的二维或者三维数组。一个24位的BGR图像是一个三维数组，可使用表达式访问这些值，例如image[0,0,0]，第一个值表示y或者行，第二个值表示x或者列，第三个值表示颜色通道。
还有另一种表达式，如image[0,0]或image[0,0]=128可表示为image.item((0,0))或image.setitem((0,0),128)。对于单像素操作第二种表示方式更为有效。
使用 Python标准的os.random()函数可随机生成原始字节,随后会把该字节转换为 NumPy数组。需要注意的是,诸如 numpy.random.randint(O,256,120000 reshape(300,400)语句也能直接(并且更高效地)随机生成 NumPy数组。使用 os.randon函数的唯一理由是该语句有助于展示原始字节的转换。

3. 使用numpy.array访问图像数据

#coding:utf-8
import cv2
import numpy as np
img = cv2.imread("D:\Algorithm\Learning_OpenCV_3_Computer_Vision_with_Python_Second_Edition_Code\Learning_OpenCV_3_Computer_Vision_with_Python_Second_Edition_Code\Chapter 3_Code\gg.jpeg")
# 使用循环来处理Pyhton数组的效率较低，使用数组索引能够高效的操作像素尤其对于视频数据来讲
img[:,:,1