目标
- 访问像素值并修改它们
- 访问图像属性
- 设置图像区域（ROI）
- 分割和合并图像
访问和修改像素值
您可以通过像素值的行和列坐标访问它。对于BGR图像，它返回一个蓝、绿、红值数组。对于灰度图像，只返回相应的强度。
import numpy as np
import cv2
img = cv2.imread('RandomColor.png')
px = img[100,100]
print(px)
# [157 166 200]
# accessing only blue pixel
blue = img[100,100,0]
print(blue)
# 157
您可以用同样的方法修改像素值。
img[100,100] = [255,255,255]
print img[100,100]
# [255 255 255]
上面提到的方法通常用于选择数组的区域，比如前5行和后3列。对于单个像素访问，numpy数组方法 array.item() 和 array.itemset() 被认为更好。但它总是返回一个标量。因此，如果您想要访问所有的b、g、r值，就需要分别为所有值调用array.item()。
# accessing RED value
img.item(10,10,2)
# 59
# modifying RED value
img.itemset((10,10,2),100)
img.item(10,10,2)
# 100
访问图像属性
图像属性包括行数、列数和通道数、图像数据类型、像素数等。
图像的形状由img.shape访问。它返回行数、列数和通道数的元组（如果图像为彩色）：
print(img.shape)
# (342, 548, 3)
如果图像是灰度的，则返回的元组只包含行数和列数。因此，这是一个很好的方法来检查加载图像是灰度还是彩色图像。
img.size 访问的像素总数：
print(img.size)
# 562248
图像数据类型通过 img.dtype 获得：
print(img.dtype)
# uint8
图像区域
有时，你必须在特定的图像区域进行操作。对于图像中的眼睛检测，首先对图像执行人脸检测，直到找到人脸，然后在人脸区域内搜索眼睛。这种方法提高了准确性和性能。
使用numpy索引获得ROI。在这里，我选择球并复制到图像中的另一个区域：
ball = img[280:340, 330:390]
img[273:333, 100:160] = ball
分割和合并图像通道
图像的B、G、R通道可以在需要时分割为各自的平面。然后，各个通道可以重新合并在一起，形成一个BGR图像。这可以通过以下方式执行：
b,g,r = cv2.split(img)
img = cv2.merge((b,g,r))
或者
b = img[:,:,0]
假设你想把所有的红色像素都变成零，你不需要像这样拆分，然后把它等于零。您可以简单地使用numpy索引，这会更快。
img[:,:,2] = 0
cv2.split() 是一个代价高昂的操作（就时间而言），因此只有在必要时才使用它。numpy索引更有效，如果可能的话应该使用。
为图像制作边框（填充）
如果要在图像周围创建边框（如照片框），可以使用 cv2.copyMakeBorder() 函数。但它在卷积运算、零填充等方面有更多的应用。此函数采用以下参数：
- src - 输入图像
- top, bottom, left, right - 对应方向上像素数的边框宽度
- borderType - 定义要添加的边框类型的标志。它可以是以下类型：
- cv2.BORDER_CONSTANT - 添加一个恒定的彩色边框。该值应作为下一个参数提供。
- cv2.BORDER_REFLECT - 将是边界元素的镜像反射，如：fedcba|abcdefgh|hgfedcb
- cv2.BORDER_REFLECT_101 或 cv2.BORDER_DEFAULT - 与上面相同，但略有变化，如：gfedcb|abcdefgh|gfedcba
- cv2.BORDER_REPLICATE - 在整个过程中复制最后一个元素，如：aaaaaa|abcdefgh|hhhhhhh
- cv2.BORDER_WRAP - 如下所示：cdefgh|abcdefgh|abcdefg
- value - 边框类型为 cv2.BORDER_CONSTANT 时的边框颜色
下面是一个示例代码，演示了所有这些边界类型，以便更好地理解：
import numpy as np
import cv2
from matplotlib import pyplot as plt
BLUE = [255,0,0]
img1 = cv2.imread('1.png')
replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)
plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.show()
（图像以matplotlib显示。所以红蓝两色会互换）