目录
一、PyCharm中下载Open-cv库
二、用Open-cv打开、保存图片
三、彩色图像理解
四、访问像素
想要学好计算机视觉，没有实践只有理论往往是不够的，所以，今天我们刚好能利用open-cv来复习并加深我们对数字图像处理这一块知识的理解。这里推荐读者们先去读一读小编前面写的一篇文章作为先导课：
先导课程：数字图像处理篇（1）数字图像基础_计算机鬼才～的博客-CSDN博客
一、PyCharm中下载Open-cv库
小编先是用传统方法，在pycharm左上角的File-Setting中想给解释器添加opencv-python库，但是总是各式各样的报错，于是小编打开了终端terminal（在最底下），将目录改为Script所在的地址，输入：
./activate.bat
./pip install opencv-python等待片刻后，opencv就能够下载完成。
二、用Open-cv打开、保存图片
当然了，本章的重点可不是放在怎么去下载opencv上，毕竟博客上挺多下载方式的，实在下载不下来，也可以去参考参考别的博客，毕竟人不要在一棵树上吊死。
既然opencv是一个用来处理图像的库，最最最基础的肯定是，用opencv打开一张图片，显示这张照片。那么问题来了，如何用代码实现这一操作？
（请大家先创建一个名为test.py的python文件）
import cv2
img=cv2.imread("test1.jpg",-1)#
cv2.imshow("picture",img)
cv2.waitKey()
cv2.destroyAllWindows()小编先给出代码，大家先在自己的电脑上运行一下，看看能不能成功。注意，图片放在这里！（与test.py一个文件夹）
怎么样，你的图片跑出来了吗？小编跑出的结果是这样的：（小编的test1.jpg是这朵花）
那么接下来，就轮到小编讲解代码内容了。先来讲讲首尾部分，相对不那么难理解一点：
import cv2 （导入opencv库）
cv2.waitKey() (防止图像一闪而过，想让它长时间显示，读者们可以注释掉这一行代码，看看没有它是什么样的)
cv2.destroyAllWindows() (长时间显示图片后，得想个办法关掉。聪明的程序员想到了用空格结束，更聪明的读者们想到了右上角的叉叉)
那么剩下来的中间部分，就是本节的重中之重了
①读取图像
img=cv2.imread(图片文件路径及名字[,数字参数])
这个数字参数指的是，以什么样的格式展示这张图片，原格式简写为-1，灰色图片简写为0，彩色图片我们简写成1.
②显现图像
cv2.imshow(窗口名，python中该图像被读取后的名字)
比如说在上个例子中，它的窗口名就是picture，而图像在python中被读取后的名字是img
③保存图像
cv2.imwrite(保存该文件的路径,python中该图像被读取后的名字)
例如cv2.imwrite("flower.jpg",img)的意思就是将刚刚展示的那朵花的图片，保存在test.py所在的文件夹下，并且命名为flower.jpg这里要注意，保存后原图像并不会消失，也就是说，test1.jpg和flower.jpg同时存在于此文件夹下，尽管这是同一朵花。
了解了上述信息，请将test.py里的代码清空，凭借自己的记忆，将test1.jpg的图像转化为黑白照，并且保存在该文件夹下，命名为:"grey.jpg"
三、彩色图像理解
学完上一篇文章我们知道，图像是由R/G/B三个通道组成的。每一种颜色因此都可以用数字代表。比如说我们经常能够看到#ff0000、#ff00ff、#e4762a之类的。（这里补充一下，例如#ff0000，代表着红色通道下是255，因为十六进制的f，也就是二进制下的1111，两个f就是11111111，即十进制下的255；绿色和蓝色通道各自为0）。
而在opencv里面，每一张图片下的每一个像素，都是由一个三元组所代表的，且不是按照rgb的顺序，正好相反，是bgr的顺序。我们自然想去看看，每一个通道下的图片是什么样子的。
我们先理论分析一下：在每个通道中，每一点的像素值在0~255之间，那么什么图片的每一个像素值是用0~255表示的呢？ 没错！就是灰色照片！
因为之后要对图像做一些很神奇的操作（把一张彩色图片变为三张不同通道下的图片），所以我的test2.jpg用的是百变小樱的图片，原图如下图：
小编先给大家展示一下，百变小樱在RGB三个通道下的照片（ps.读者们别认为我这是在给小樱放遗照啥的啊，这不是我的本意，毕竟大家都是来学知识的）
思考题1：A 、B 、C三个选项，分别对应了R 、G 、B中的哪一个通道？
分析：我们先来看看原图，原图中背景是蓝色的，说明背景在蓝色通道下的数值一定不小。而在灰度图像中，0代表着黑，255代表着白，所以在ABC三个选项中，背景偏向于白色的会是蓝色通道下的图片；同理，小樱的衣服是红色的，那么灰度图像中，衣服偏向于白色的就会是红色通道下的图片，剩下的那一个选项自然就是绿色通道下的。所以正确答案：A----G通道;B----R通道；C----B通道。
思考题2：如果我传入的是一张灰度图像，那么分解出来的三通道照片会是什么样子？
答案：三张一模一样的图！电脑会认为，这是一张彩色图像，而在RGB模型中，只有在黑白对角线上（坐标（0,0,0）与坐标（1,1,1）的连线上），才代表着纯灰。但凡偏离一点，他都不是纯粹的灰色。也就是说，只有三个通道在该像素上的值一模一样的时候，该像素才代表着纯粹的灰色。这也就是为什么会出现三张一模一样的图。
下面介绍与通道相关的两个函数：
①分割通道函数
b,g,r=cv2.split(python中该图像被读取后的名字)
这里再强调一遍：不是rgb的顺序，而是bgr的顺序！
②合并通道函数
既然能将彩色图像分割为三个通道下的图像，那么我们自然能够将三个通道下的图像合并为一个新的图像
img_new = cv2.merge([蓝色通道下的图片, 绿色通道下的图片, 红色通道下的图片])
如果我们在合并的时候，顺序错了，变成了rgb的顺序，即img_new = cv2.merge([红色通道下的图片, 绿色通道下的图片, 蓝色通道下的图片])，那么合成的图片会是这样：
这番操作下来，害的百变小樱多了几份邪气，少了几份灵气！所以千万记住：顺序不要弄错了！！！不然合成的图片真的很奇怪！！！
那么对应的代码段如下图：
import cv2
img=cv2.imread("test2.jpg",-1)
b,g,r=cv2.split(img)
cv2.imshow("red",r)
cv2.imshow("green",g)
cv2.imshow("blue",b)
bgr=cv2.merge([r,g,b])
cv2.imshow("mistake",bgr)
cv2.waitKey()
cv2.destroyAllWindows()四、访问像素
在这一部分我们将学习利用python来知道图片的长与宽，以及获取图片中某个像素点的具体信息。
dimension=img.shape #img是python中该图像被读取后的名字
输出dimension后，会得到一个三元组，分别代表着长（单位：像素）、宽（单位：像素）以及通道数（彩色就是三个通道）
对于彩色图片的某一点来说，你只需要找到该点的坐标，(假设坐标是（100,120）），然后来给三元组（b，g，r）赋予该点三通道的对应值并且输出该三元组即可知道该点的值。如下：
(b,g,r)=img[100,120]
print（(b,g,r))
当然了，也可以对该点的颜色值进行修改，比如说赋予白色：
img[100,120]=(255,255,255)
