比较小的知识点，备忘录
一、图像加法
OpenCV 中的加法与Numpy 的加法是有所不同的。OpenCV 的加法是一种饱和操作，而Numpy 的加法是一种模操作。这种差别在你对两幅图像进行加法时会更加明显。OpenCV 的结果会更好一点。所以我们尽量使用OpenCV 中的函数。
x = np.uint8([250])
y = np.uint8([10])
print cv2.add(x,y) # 250+10 = 260 => 255
# 输出 [[255]]
print x+y # 250+10 = 260 % 256 = 4
# 输出 [4]
二、程序性能检测及优化
1、Python的标量计算比Numpy的标量计算要快。对于仅包含一两个元素的操作Python标量比Numpy的数组要快。但是当数组稍微大一点时，Numpy就会胜出。
2、一般情况下OpenCV的函数要比Numpy函数快，所以对于相同的操作最好使用OpenCV的函数，使用Numpy对视图做非复制操作时例外。
3、%time魔法命令：让代码运行好几次从而得到一个准确的(运行)时间。
4、优化
- 尽量避免使用循环，尤其双层三层循环，它们天生就是非常慢的。
- 算法中尽量使用向量操作，因为 Numpy 和 OpenCV 都对向量操作进行了优化。
- 利用高速缓存一致性。
- 没有必要的话就不要复制数组。使用视图来代替复制。数组复制是非常浪费资源的。
三、颜色空间转换
1、查询OpenCV中所有的颜色转换格式
import cv2
flags = [i for i in dir(cv2) if i.startswith('COLOR_')]
print (flags)
2、在OpenCV的HSV格式中，H(色彩/色度)的取值范围是[0, 179]，S(饱和度)的取值范围[0, 255]，V(亮度)的取值范围[0, 255]。但是不同的软件使用的值可能不同，所以需要拿OpenCV的HSV值与其他软件的HSV值进行对比时，一定要记得归一化。
3、在HSV颜色空间中要比BGR空间中更容易表示一个特定的颜色，从RGB的值转换到其他空间，可以利用颜色空间在线转换工具，HSV空间模型
