目錄
一、圖像的基礎操作
1、獲取並修改圖像中的像素點
2、獲取圖像的屬性
3、圖像通道的拆分與合並
4、色彩空間的改變
二、圖像的算數操作
1.圖像的加法
2.讀入數據
總結：
（1）後邊比較重要的圖像二值化就是基於修改圖像的像素點實現的，我們可以通過行和列的坐標值獲取該像素點的像素值。對於BGR圖像，它返回一個藍，綠，紅值的數組。對於灰度圖像，僅返回相應的強度值。使用相同的方法對像素值進行修改。
（2）代碼示例：
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('123.png')
cv2.putText(img, "I am a pig", (100, 100), cv2.FONT_HERSHEY_SIMPLEX, 2, [0, 0, 255] ,3, cv2.LINE_AA)# 獲取某個像素點的值
px = img[100,100]
# 僅獲取藍色通道的強度值
blue = img[100,100,0]
# 修改某個位置的像素值
img[100,100] = [255,255,255]
cv2.imshow('img',img)
cv2.waitKey(0)
此代碼這是針對圖像中的一個像素點進行更改，可視化效果不明顯，因此不展示執行效果。
圖像屬性包括行數，列數和通道數，圖像數據類型，像素數等。
代碼示例：
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('123.png')
cv2.putText(img, "I am a pig", (100, 100), cv2.FONT_HERSHEY_SIMPLEX, 2, [0, 0, 255] ,3, cv2.LINE_AA)# 獲取某個像素點的值
print(img.shape)
print(img.size)
print(img.dtype)
cv2.waitKey(0)執行結果：
有時需要在B，G，R通道圖像上單獨工作。在這種情況下，需要將BGR圖像分割為單個通道。或者在其他情況下，可能需要將這些單獨的通道合並到BGR圖像。你可以通過以下方式完成。
代碼示例：
# 通道拆分
b,g,r = cv.split(img)
# 通道合並
img = cv.merge((b,g,r))OpenCV中有150多種顏色空間轉換方法。最廣泛使用的轉換方法有兩種，BGRGray和BGRHSV。
API：
cv.cvtColor(input_image，flag)
參數：
此部分會在後期圖像處理的目標分割中用到，也是必須要掌握的部分。
你可以使用OpenCV的cv.add()函數把兩幅圖像相加，或者可以簡單地通過numpy操作添加兩個圖像，如res = img1 + img2。兩個圖像應該具有相同的大小和類型，或者第二個圖像可以是標量值。
注意：OpenCV加法和Numpy加法之間存在差異。OpenCV的加法是飽和操作，而Numpy添加是模運算。
參考以下代碼：
>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y ) # 250+10 = 260 % 256 = 4
[4]這種差別在你對兩幅圖像進行加法時會更加明顯。OpenCV 的結果會更好一點。所以我們盡量使用 OpenCV 中的函數。
我們將下面兩幅圖像：
代碼：
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1 讀取圖像
img1 = cv.imread("view.jpg")
img2 = cv.imread("rain.jpg")
# 2 加法操作
img3 = cv.add(img1,img2) # cv中的加法
img4 = img1+img2 # 直接相加
# 3 圖像顯示
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)
axes[0].imshow(img3[:,:,::-1])
axes[0].set_title("cv中的加法")
axes[1].imshow(img4[:,:,::-1])
axes[1].set_title("直接相加")
plt.show()結果如下所示：
結果驚艷！
這其實也是加法，但是不同的是兩幅圖像的權重不同，這就會給人一種混合或者透明的感覺。圖像混合的計算公式如下：
g(x) = (1−α)f0(x) + αf1(x)
通過修改 α 的值（0 → 1），可以實現非常炫酷的混合。
現在我們把兩幅圖混合在一起。第一幅圖的權重是0.7，第二幅圖的權重是0.3。函數cv2.addWeighted()可以按下面的公式對圖片進行混合操作。
dst = α⋅img1 + β⋅img2 + γ
這裡γ取為零。
參考以下代碼：
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1 讀取圖像
img1 = cv.imread("view.jpg")
img2 = cv.imread("rain.jpg")
# 2 圖像混合
img3 = cv.addWeighted(img1,0.7,img2,0.3,0)
# 3 圖像顯示
plt.figure(figsize=(8,8))
plt.imshow(img3[:,:,::-1])
plt.show()窗口將如下圖顯示：
前一段講了圖像基本操作的結尾，後一段講了圖像的算數操作，接下來會寫一些有關圖像處理的操作，包括幾何變換、形態學操作、圖像平滑、直方圖、邊緣檢測、模板匹配和霍夫變換等等，想要了解的小伙伴可以繼續跟著思路走^_^.
