opencv是机器视觉领域的一大杀器，他比matlab友好，比matlab可扩展性强，比……。这里不再黑matlab了，下面先来谈谈opencv+python的基础操作

读取，显示，保存图像

import cv2 import numpy as np a = cv2.imread("lena.jpg") #读取图像 cv2.imshow("out",a) #显示图像 cv2.imwrite("lenna.jpg",a) #保存图像

读取图像cv2.imread(“image path”)，可以在路径后面加一个参数flag，flag等于CV_LOAD_IMAGE_GRAYSCALE时，读取的图像是灰度图像

读取某一个像素点

对于普通的BGR图像来说，读取图像后的三维数组中的第三维分别代表B，G，R通道的数值，你可以用指定行列来单独读取，修改他们

>>> a[100,100] array([ 80, 70, 176], dtype=uint8) >>> a[100,100,0] 80 >>> a[100,100] = [255,255,255] >>> a[100,100] array([255, 255, 255], dtype=uint8) >>>

还可以用item，itemset对一个位置的像素点进行读取和修改：

>>> a.itemset((100,100,2),100) >>> a.item(100,100,2) 100

切分图像的通道：

在opencv里，可以使用cv2.spilt(img)函数来拆分图像，也可以直接访问图像矩阵某一个维度的全部像素值来实现

>>> b,g,r = cv2.split(a) >>> b array([[128, 126, 125, ..., 114, 92, 65], [127, 127, 124, ..., 120, 101, 73], [128, 125, 124, ..., 125, 105, 77], ..., [ 54, 57, 61, ..., 83, 82, 81], [ 53, 57, 62, ..., 86, 86, 86], [ 53, 57, 63, ..., 83, 84, 84]], dtype=uint8) >>> bb = a[:,:,0] >>> bb array([[128, 126, 125, ..., 114, 92, 65], [127, 127, 124, ..., 120, 101, 73], [128, 125, 124, ..., 125, 105, 77], ..., [ 54, 57, 61, ..., 83, 82, 81], [ 53, 57, 62, ..., 86, 86, 86], [ 53, 57, 63, ..., 83, 84, 84]], dtype=uint8)

获取图像的几何信息：

使用cv2.shape会返回一个表示图像矩阵大小（宽，高，深度）的元组，使用cv2.size则会返回图像中有多少个像素：

>>> a.size 786432 >>> a.shape (512, 512, 3) >>>

图像之间的四则运算：

因为图像在opencv中的储存方式是一个多维矩阵，那么对于图像来说就有矩阵加减，数乘矩阵，矩阵与矩阵的乘法除法，opencv在这个方面十分方便，他重载了运算符，所以我们直接使用运算符就可以,注意，操作的矩阵大小必须一致：

import cv2 import numpy as np a = cv2.imread("lena.jpg") b = cv2.imread("ll.jpg") b = cv2.resize(b,(512,512),interpolation = cv2.INTER_CUBIC) cv2.imshow("add",a+b) cv2.imshow("sub",a-b) cv2.imshow("mul1",1.2*a) cv2.imshow("mul",a*b) cv2.imshow("div",a/b) #有可能会出现除以0的错误

先来说说cv2.resize(源，目标，)这个函数，我们分参数来讲： 源：图像源 目标：输出的图像，或者输入一个大小 插值方式： INTER_NEAREST:根据像素的相邻关系补充像素 INTER_CUBIC:立方插值 INTER_LINER:双线性插值，参数缺省时使用：

同时opencv还可以对图像进行按位运算，AND，OR，NOT，XOR，这些函数对每对对应像素进行按位操作。按位操作可以完成图像叠加之类的方便操作：

import cv2 import numpy as np a = cv2.imread("lena.jpg") b = cv2.imread("ll.jpg") b = cv2.resize(b,(512,512),interpolation = cv2.INTER_LINEAR) NOT = cv2.bitwise_not(b) AND = cv2.bitwise_and(b,b) XOR = cv2.bitwise_xor(b,b)

本次介绍的是一些很基础的操作，下一次介绍基础的图像处理方法 具体的读者可以参阅一下网站 opencv python API opencv python tutorials