目录
#图像操作
#图像的基本知识和操作。
参考以下文章： 图像处理基础操作一(几何变换、平滑处理、形态学操作)_Asia-Lee的博客-CSDN博客_图像处理基础
#图像基础
图像都是由像素构成。这些像素都有一个明确的位置和被分配的色彩数值，这些小方格的颜色和位置就决定该图像所呈现出来的样子。像素是图像中的最小单位，每一个点阵图像包含了一定量的像素，这些像素决定图像在屏幕上所呈现的大小。
图像通常包括二值图像、灰度图像和彩色图像，目前我只接触到彩色图像和灰度图像，二值图像我还没学习到，所以我先保留参考中的二值图像定义，只以自己的理解来解释灰度图像和彩色图像：
- 二值图像：二值图像中任何一个点非黑即白，要么为白色（像素为255），要么为黑色（像素为0）。将灰度图像转换为二值图像的过程，常通过依次遍历判断实现，如果像素>=127则设置为255，否则设置为0。
- 灰度图像：灰度图像包括黑白灰三种色，而又把灰色分为0-255不同的值，图像的灰度化是实现图像预处理的最基本形式。（那么问题是：为什么要对彩色图像进行灰度处理?）
- 彩色图像：彩色图像是RGB图像，RGB表示红(red)、绿(green)、蓝(blue)三原色，计算机里所有颜色都是三原色不同比例组成的，即三色通道。(但计算机读取图像似乎都是以BGR的形式读取的，所以在运用某些函数的时候，似乎都会使用BGR来读取图像然后再转为RGB）
#图像的读取与写入
因为图像的种类有很多种，所以相应的图像读入的方法也会有很多，参阅资料有以下读入方法:
img = cv2.imread(文件名,[参数])：
#简单读取
img=cv2.imread("Butterfly.png")
#UNCHANGED表示图片读取后不能改变
img_unchanged=cv2.imread(img,cv2.IMREAD_UNCHANGED)
#GRAYSCALE表示对图片进行灰度处理
img_gray=cv2.imread(img,cv2.IMREAD_GRAYSCALE）
#COLOR表示读入彩色图片
img_color=(img,cv2.IMREAD_COLOR)
#表示图像通道BGR转成RGB
img_rgb=cv2.imread(img,cv2.COLOR_BGR2RGB)#shape获取图像尺寸
img.shape
#改变图像的shape，使用cv2.resize
img=cv2.resize(img,(500,500))EX：以下在jupyter notebook中实操，其中无参数和使用IMREAD_GRAYSCALE、以及使用img.shape获取图像尺寸的栗子：
#图像显示
使用cv.imshow创建图像显示窗口:
#图像显示，可以创建多窗口，‘’为窗口命名
cv2.imshow('image',img)
#等待时间，0表示任意键终止，毫秒级
cv2.waitKey(0)
cv2.destroyAllWindows()cv2.waitKey(delay)：键盘绑定函数，共一个参数，表示等待毫秒数，看键盘是否有输入，返回值为ASCII值。如果其参数为0，则表示无限期的等待键盘输入；参数>0表示等待delay毫秒；参数<0表示等待键盘单击。
#图像截取
ROI（Region of Interest）表示感兴趣区域。它是指从被处理图像以方框、圆形、椭圆、不规则多边形等方式勾勒出需要处理的区域。可以通过各种算子（Operator）和函数求得感兴趣ROI区域，并进行图像的下一步处理，被广泛应用于热点地图、人脸识别、图像分割等领域。比如可以通过像素矩阵直接获取ROI区域，如img[200:400, 200:400]。
import cv2
#读取图像，并且赋值给img
img = cv2.imread('Buterfly.png')
#利用矩阵截取ROI，格式为 变量 = 图像 [h，w]h为竖列200个像素点，w为横排200个像素点。
img_new=img[0:100,0:200]
#创建窗口。
cv_show('Butterfly',img)
cv2.waitKey(0)
cv2.destroyAllWindows()#获取彩色图像通道
#通道保留
图片拷贝于参考资料（我实操的时候用的自己的照片我不好意思（doge））
#边界填充
#指定上下左右填充的大小
top_size,bottom_size,left_size,right_size = (50,50,50,50)
#不同的填充方法
#BORDER_RELIOCATE:复制最边缘的像素
replicate=cv2.copyMakeBorder(img1,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REPLICATE)
#BORDER_REFLECT:反射法,对图像中所选的像素两边进行复制,ex:hgfedcba|abcdefgh|hgfedcba 即为←丨￥丨→
reflect =cv2.copyMakeBorder(img1,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT)
#BORDER_REFLECT_101：101反射法，以最边缘像素为轴对称复制，ex:hgfedcb/abcdefgh/gfedcba 即上面那种方法但不包含两边界
reflect101 =cv2.copyMakeBorder(img1,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_REFLECT_101)
#BORDER_WRAP：外包装法,去掉边缘像素按原顺序输出，ex：cdefgh/abcdefgh/abcedfg
wrap = cv2.copyMakeBorder(img1,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_WRAP)
#BORDER_CONSTANT：常量法，常数值填充
constant =cv2.copyMakeBorder(img1,top_size,bottom_size,left_size,right_size,borderType=cv2.BORDER_CONSTANT,value=0)
#图像融合与类型转换
参阅资料：
图像融合通常是指将2张或2张以上的图像信息融合到1张图像上，融合的图像含有更多的信息，能够更方便人们观察或计算机处理。通过图像融合可以将两张不清晰的图像融合得到更清晰的图。图像融合是在图像加法的基础上增加了系数和亮度调节量。
import cv2
# opencv读取的格式是BGR
import matplotlib.pyplot as plt
import numpy as np
img_butterfuly=cv2.imread('butterfuly.jpg')
img_aphoto=cv2.imread('aphoto.jpg')
print(img_butterfuly.shape)
print(img_aphoto.shape)
img_dog = cv2.resize(img_aphoto, (500, 414))
print(img_butterfuly.shape) #(414, 500, 3)#使得图像x轴变化为原来的三倍，y轴不变，即fx=3, fy=1，表示对图像的x轴进行变化
res = cv2.resize(img, (0, 0), fx=3, fy=1)
img_1 = img+10
#对三个通道像素点进行加10操作
img_new=img2+img1
#将两张图片进行相加操作, 如果大于255,就使用256进行约分
img_add=cv2.add(img1, img2)
#使用cv2.add对两个照片进行加和, 如果加和值大于255，就使用255表示
res = cv2.addWeighted(img2, 0.4, img1, 0.6, 0)
#将两个图片进行重叠
plt.imshow(res)#图像类型转换
参考资料如上文。
图像类型转换是指将一种类型转换为另一种类型，比如彩色图像转换为灰度图像、BGR图像转换为RGB图像。
图像类型转化：cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)；cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
颜色通道转化：cv2.cvtColor(img, cv2.COLOR_BGR2RGB
#视频读取与导入
在我的理解上，视频的读取相当于将视频切成若干帧，然后利用循环显示每一帧，李子如下
