python+OpenCV图像处理（一）读取、复制、显示、保存
前 言
从2017年入坑人工智能领域开始，就被这一领域深深的所吸引，虽然到现在已经踩了不少坑，但总算有了不少的收获，深感不虚此行，借助强大的python让我快速的向着这一领域靠近，现在流行比较广的人工智能应用，比如：图像识别，语音识别，文本情感分析，人体行为分析等等。在金融、安全、智能推荐等等，凡是我们能想到的领域，都可以安插人工智能的应用，对推进万物互联、万物互通的未来智能具有深刻影响，可以说是大势所趋。
由于人类语言的千变万化，和对语言分析应用的单一，导致在语音、语义方面远不如图像分析应用的广泛。OpenCV是一个专门对图像进行处理的库，在此后的学习中，我们会深刻认识到它的强大。借助强大的互联网，集万众之所长，完成学习任务。
图像的读取、复制、显示、保存
（一）认识图像、读取图像
所谓的图像就是一个数组，所有对图像的处理就是对数字的处理
# 导入包
import cv2
import numpy as npimg = cv2.imread('rose.jpg')
print(img)
print(np.shape(img))输出结果为：
[[[ 65 134 107]
[ 65 134 107]
[ 65 134 107]
...,
[ 33 90 69]
[ 33 90 69]
[ 31 90 69]]
[[ 64 133 106]
[ 64 133 106]
[ 64 133 106]
...,
[ 33 90 69]
[ 33 90 69]
[ 31 90 69]]
[[ 64 132 107]
[ 64 132 107]
[ 63 131 106]
...,
[ 33 90 69]
[ 33 90 69]
[ 31 90 69]]
...,
[[ 1 75 49]
[ 2 76 50]
[ 0 77 50]
...,
[ 24 62 66]
[ 25 63 67]
[ 27 65 69]]
[[ 1 75 49]
[ 2 76 50]
[ 0 77 50]
...,
[ 19 57 61]
[ 21 59 63]
[ 22 60 64]]
[[ 1 75 49]
[ 2 76 50]
[ 0 77 50]
...,
[ 17 55 59]
[ 19 57 61]
[ 20 58 62]]]
(972, 1024, 3)（二）显示图像
接下来我们来让读取的图像显示出来，刚才的图片太大了，我将图片弄小了一些
# 读取图片
img = cv2.imread('rose1.jpg')
# 先创建一个窗口
cv2.namedWindow('Image')
# 在窗口中显示图像
cv2.imshow('Image', img)
# 最后还要写一句代码，这样就可以使窗口始终保持住
cv2.waitKey(0)运行结果为：
在读取图片中，imread（‘图片地址’，‘模式参数’）函数可以来控制所读取图片的模式。
模式参数：
0：读入的为灰度图像（即使读入的为彩色图像也将转化为灰度图像）
1：读入的为彩色图像（默认）
img = cv2.imread('rose1.jpg', 0)
cv2.destroyAllWindows()最后别忘了释放窗口，养成良好习惯。
（三）复制图像
img1 = img.copy()（四）保存图像
保存图像也非常简单
cv2.imwrite('rose_copy.jpg', img1)第一个参数是保存图像的地址以及文件的名字，第二个参数是所要保存的图像数组。
其实它还有第三个参数，针对特定的图像格式，对于JPEG，其表示的是图片的quality，用0-100的整数表示，默认为95。当然，你如果把参数设置的超过100也不会出错，但到100已经达到图片本身的最高质量了。cv2.IMWRITE_JPEG_QUALITY的类型为int类型，符合图像数组为整数的要求，不用再更改类型。
cv2.imwrite('rose_copy1.jpg', img1, [cv2.IMWRITE_JPEG_QUALITY, 2])
对于PNG，第三个参数表示的是压缩级别。cv2.IMWRITE_PNG_COMPRESSION，从0到9,压缩级别越高，图像尺寸越小。默认级别为3.
cv2.imwrite("rose1_test.png", img, [cv2.IMWRITE_PNG_COMPRESSION, 0])
cv2.imwrite("rose2_test.png", img, [cv2.IMWRITE_PNG_COMPRESSION, 9])
其实，还有很多有趣的操作，就不介绍了，需要用的时候在进行学习，知道这两个比较常用的。
