Opencv 面向Python 第2天

##图像处理基础
###图像的基本表示方法
####二值图像
二至图像是仅仅包含黑色和白色俩种颜色的图像。
白色的像素点为1，黑色的像素点为0.
####灰度图像
黑白俩种颜色不够细腻，要使图像丰富，引入灰度图像。计算机将灰度处理为256个灰度级，用数值区间【0，255】来表示。其中‘255’表示为纯白色，‘0’表示为纯黑色，其余数值表示从纯白到纯黑之间的不同级别的灰度。
####彩色图像
彩色图像为更常见的一类图像，在RGB的彩色空间（R为红色，G为绿色，B为蓝色）共三个通道，每个彩色通道的范围在【0，255】之间。
（0，0，0）为纯黑色
（255，255，255）为纯白色
（0，0，255）为蓝色
（0，255，255）为绿色
（255，0，0）为红色
通常用一个三维数组来表示一副RGB色彩空间的彩色图像
在Opencv中通道顺序为B-G-R和RGB色彩空间相反。
###像素处理
可以通过位置索引的形式对图像内的元素进行访问处理
####二值图像及灰度图像
在Opencv中，最小的数据类型是无符号的8位数，因此，在Opencv中，实际上并没有二值图像，是通过处理得到的，0表示黑色，255表示白色。
####彩色图像
在opencv中是以BGR模式的三维数组形式存储的
如image[0,0,0]访问图像image的B通道的第0行第0列的像素点
###numpy.array访问像素
numpy.array提供了item()和itemset()函数来访问和修改像素值。
####二值图像灰度图像
item(行，列)
itemset(索引值，新值）
####彩色图像
item(行，列，通道)（是针对RGB图像的访问）
itemset(三元组索引值，新值)（是针对RGB图像的访问）
###感兴趣区域ROI
在图像处理过程之中，我们可能对图像的某一个特定区域感兴趣，该区域被称为感兴趣区域ROI,
img[200:400,200:400]取出对应位置的索引区域

###通道拆分

b = img[: ,: ,0]
g = img[: ,:,1]
r = img[: ,: ,2]
####通过函数拆分通道
b, g, r = cv2.split(img)
####通道合并
bgr = cv2.merge([b, g, r])
###获取图像的属性
shape:彩色图像返回行数，列数，通道数的数组，二值图像或者灰度图像返回行数和列数
size:返回图像的像素数目，其值为“行列通道数”，灰度图像或者二值图像通道数为1
dtype:返回图像的数据类型