OpenCV学习系列：

最近需要对数据进行扩增以获得更为丰富的信息，就来了解一下OpenCV。以后每天会写一点自己的学习要点：

1、对图像进行操作需要先获取图像的像素值矩阵，用cv2.imread('xxx.jpg')函数来获取一个图像的像素矩阵：

>>> import cv2
>>> import numpy as np

>>> img = cv2.imread('messi5.jpg')

如果是灰度图片，如mnist grayscale image，则像素矩阵的每个元素就是0~255的像素值；如果是BGR彩色图像，则每个位置是一个[blue,green,red]的数组。

>>> px = img[100,100]
>>> print px
[157 166 200]

# accessing only blue pixel
>>> blue = img[100,100,0]
>>> print blue
157


# accessing RED value
>>> img.item(10,10,2)
59

# modifying RED value
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100

2、获取图像属性：“知己知彼，方能百战百胜”——如果一开始我们不了解这个图像的情况可能后面的操作就没法进行，比如图像的行数（高）、列数（宽），图像的数据类型、像素数量等等；图像的shape可以直接用img.shape 得到，返回一个由行数和列数组成的元组，如果是BGR图像还会显示通道数“3”，即变成了三元组：

>>> print img.shape
(342, 548, 3)

>>> print img.size  # number of pixels
562248

>>> print img.dtype # image datatype 
uint8

3.分离、合并图像通道：

有时候我们需要只在图像的某一通道进行操作，就需要把那一通道的像素值提取出来：

>>> b,g,r = cv2.split(img)
>>> img = cv2.merge((b,g,r))

或者：

>>> b = img[:,:,0]

或者你想让所有的red pixels值为0：

>>> img[:,:,2] = 0

要注意的是cn2.split() 函数是一个很费时的操作，如非必要，考虑使用 Numpy indexing.

4、裁剪、移动图像的某一部分：

如图，把足球平移到另一个文置：

>>> ball = img[280:340, 330:390]
>>> img[273:333, 100:160] = ball