在开始任何图像处理之前，我们需要先读取图像。OpenCV提供了cv2.imread函数用于读取图像。这个函数接受两个参数：图像的路径和读取模式（例如，是否以彩色或灰度模式读取）。
import cv2
img = cv2.imread('image.jpg')
读取图像后，我们可以使用cv2.imshow函数在窗口中显示图像。cv2.imshow需要两个参数：窗口名称和要显示的图像。此外，cv2.waitKey函数用于等待用户按键，而cv2.destroyAllWindows则用于关闭所有打开的窗口。
cv2.imshow('Image Window', img)
cv2.waitKey(0) # 等待用户按键，0表示无限等待
cv2.destroyAllWindows() # 关闭所有窗口
在OpenCV中，你可以像访问数组一样访问图像的像素值。对于彩色图像，像素值是一个包含三个通道（BGR）值的元组。你可以使用索引来访问特定位置的像素值。
pixel_value = img[100, 100] # 访问坐标(100, 100)的像素值
要修改像素值，只需将新的值赋给相应的位置：
img[100, 100] = [255, 0, 0] # 将坐标(100, 100)的像素设置为红色（BGR）
如果你想按通道访问像素值，可以使用cv2.at<channel>函数。例如，要访问像素(x, y)的B通道值，可以使用：
b_value = cv2.at<uchar>(y, x)[0] # 注意通道顺序为BGR，所以索引为[0]表示B通道。
使用shape属性可以获取图像的维度和通道数。shape属性返回一个包含三个元素的元组，分别表示图像的高度、宽度和通道数。
height, width, channels = img.shape[:3] # 获取图像的高度、宽度和通道数
ROI（感兴趣区域）是图像处理中的一个重要概念，它允许你处理图像的一部分而不是整个图像。你可以使用cv2.rectangle函数在图像上绘制矩形ROI。这个函数接受四个参数：图像、矩形左上角的坐标、矩形的宽度和高度，以及可选的线条颜色和线条宽度。如果你希望绘制一个填充的矩形，可以将线条宽度设置为-1。
对于ROI的处理，例如对ROI内的像素应用某些操作，可以使用NumPy的切片语法。例如，要获取矩形ROI内的像素值，可以使用以下代码：
roi = img[50:50+100, 50:50+100] # 获取ROI的像素值
OpenCV中的彩色图像是按BGR顺序存储的。这意味着像素值包含蓝色、绿色和红色通道的值。如果你想单独处理这些通道，可以使用cv2.split函数拆分通道。这个函数将返回一个通道列表。例如：
channels = cv2.split(img) # 将BGR通道拆分到三个通道中。
有时，你可能需要将通道合并为单通道或多通道图像。你可以使用cv2.merge函数合并通道。这个函数接受一个通道列表作为参数，并返回合并后的图像。例如：
img_merged = cv2.merge([r, g, b]) # 合并通道，注意通道顺序应为BGR，所以需要将r, g, b的顺序改为r, g, b。
除了之前提到的在图像上绘制矩形边框外，还可以使用cv2.copyMakeBorder函数添加边框。这个函数接受六个参数：输入图像、输出图像、边框宽度、边框类型、可选的填充值和可选的边界值。边框类型可以是几种不同的选项之一，包括常量、平铺重复和镜像反射等。例如：
# 为图像添加5个像素的边框，边框颜色为白色，类型为矩形。
img_with_border = cv2.copyMakeBorder(img, 5, 5, 5, 5, cv2.BORDER_CONSTANT, value=[255, 255, 255])
今天学习的是Python OpenCV图像操作学会了吗。 今天学习内容总结一下：