OpenCV for Python 学习第二天 ：图片展示方法介绍以及像素的修改

上一篇博客我们简单了解了一下如何打开图片、保存图片、创建窗口等等。那么今天我们就来尝试一下完成OpenCV基础操作——图像的处理

什么是图像处理

图像处理是指对数字图像进行操作和改变其外观、属性或质量的技术和方法。它涉及到数字图像的获取、存储、传输和处理等各个方面。图像处理可以用于各种应用，例如医学图像、视觉检测、计算机视觉、图像识别、数字图像增强、图像复原等领域。它是数字信号处理和计算机视觉等领域的基础。

图像的展示方法

我们都知道，相机可以拍出彩色和黑白的相片。这转换成计算机中的程序用于就是图像的表示方法。我们在这里简单介绍几种图像的表示方法，有以下几种：

1. 二进制位图（Bitmap）：使用像素点的二进制值表示图像。

2. 矢量图（Vector）：使用数学公式记录图像中的线条、曲线等形状信息。

3. 灰度图像（Grayscale）：使用像素点的灰度值表示图像，灰度值越大，像素越黑，反之越白。

4. 压缩图像（Compressed）：使用一种压缩算法使图像文件大小大幅减小，例如JPEG、PNG等格式。

5. 颜色索引图像（Indexed Color）：将颜色值存储在一个颜色索引表中，然后将每个像素的颜色值与颜色索引表中的颜色值进行匹配。

6. 透明图像（Transparent）：除了能显示出图像边缘和内容的像素以外，还包括能够使图像透明的像素。

7. 三维图像（3D）：使用三维坐标系表示的图像，可以与虚拟现实、计算机游戏等领域结合使用。

上面都是图像的不同表现形式，我们可以将上面的多种图像形式整合成下面两个大类。即灰度图像和彩色图像。

灰度图像介绍

灰度图像表现的是一种由白色到黑色区间来取色的图像。图像采用了更多的数值来展现不一样的效果。一般来说，有256个灰度级，我们会使用[0,255]的灰度区间来表示。其中255表示的是纯白色，0表示的是纯黑色。

首席二进制的朋友们都知道2⁸的值正好是256，也就是说，这个数值刚好可以用一个字节来表示一个数值（由于一个字节等于8个BIT&