一个简单的图片像素操作
这个是实现了一个底片效果的代码，其实很简单，就是每个点的像素都用255减去它就可以了，上面我为了避免用三循环，直接利用ndarray广播机制了，非常的方便。还有一种办法，仔细想一想用255减去某一个值，是不是相当于取反呢？0xFF-a其实就相当于是对a取反，因为0取反是1，1取反是0，0+1=1。
时间其实都挺快的。单位是秒。
生成自己的图片
我们也只是简单生成一些颜色图片而已。
这是一张黑色的图。
这是白色的图。这里都是三通道的BGR模式。那么可以生成某一种非黑白颜色的嘛？
我们尝试几个。首先是蓝色。蓝色要求B通道是255，GR都是0。
这个255也会广播的，别说，我发现numpy数组的广播机制还是挺好用的。
MATLAB的加减是有广播的，但是乘除没有，因为乘除都是由矩阵运算的含义，那么点乘，点除呢？所谓点乘，点除也是元素运算。
看来是我对MATLAB不够了解，MATLAB的点乘也是有广播机制的，以前我都不知道。
然后是绿色。
再来试一个紫色。
enmm，好像有点差别，这是因为dtype选择的不恰当，上面看到有小数点，应该是浮点数类型，前面我演示过数据类型不合适导致的数据异常，我们还是选一个uint8比较合适。
这个颜色就对了。不过上面都是BGR的，我们再来试一试灰度图，灰度图只有一个通道。
首先没有2通道，只有1，3，4个通道是加了一个A，alpha，叫做透明度。
0是黑色。
还是要注意dtype。
色彩空间及其转换
opencv默认的色彩空间是BGR，0-255是亮度值。
RGB还有很多格式：
我们这里用得就是RGB24。
不过我们提供了API可以使色彩空间相互转化。
RGB转灰度是我们已经见过的，不过其实也有很多算法，参考：
上面还有几个我们没有见过的。下面一个一个来认识。先来看HSV色彩空间。参考了
关于互补色：
转换的公式，参考了：
转换表：
转换算法，我们用的多的是RGB到HSV。
这个算法出来的结果H在0-360，S在0-1，V在0-255之间，不过上面的表格里面，H在0-180之间，S和V都在0-255，这个也不难转换一下就可以了，S乘个255，H除以一个2。H在0-180之间的原因可能是可以用一个字节存得下。
那么先来尝试一下转换吧。
这个报错的原因还是dtype。这里先插播一条消息：
没错，MATLAB里也有这个东西，感觉MATLAB还是挺强大的啊。
标题乱码是因为编码问题。这个sublime里面有菜单可以选，除此以外还有很多方式，可以参考
重点关注转换的结果，本来是蓝色，BGR是(255,0,0)根据上面的表格，转化之后的HSV结果是(240,1,1)在做一些处理，就变成了(120,255,255)转换的结果是对的，但是为什么显示出来不对呢？这是因为imshow还是按照BGR来显示的，所以出来不是蓝色:
HSL也叫HLS，参考了
这个上面也有转换函数，我们也不去试了，我们主要是了解这些色彩空间，转换太简单了，一个函数就完事了。
其它色彩空间参考了：
YUV也有很多格式，
参考
这些有需要的可以自己深入去了解，有的时候我们需要按需求来学习知识。
在人脸检测中也常常用到YCrCb空间，因为一般的图像都是基于RGB空间的，在RGB空间里人脸的肤色受亮度影响相当大，所以肤色点很难从非肤色点中分离出来，也就是说在此空间经过处理后，肤色点是离散的点，中间嵌有很多非肤色，这为肤色区域标定(人脸标定、眼睛等)带来了难题。如果把RGB转为YCrCb空间的话，可以忽略Y(亮度)的影响，因为该空间受亮度影响很小，肤色会产生很好的类聚。这样就把三维的空间降为二维的CrCb，肤色点会形成一定得形状，如：人脸的话会看到一个人脸的区域，手臂的话会看到一条手臂的形态，对处理模式识别很有好处，根据经验某点的CrCb值满足：133≤Cr≤173，77≤Cb≤127 那么该点被认为是肤色点，其他的就为非肤色点。C代表color，r代表红色，b代表蓝色。
当然色彩空间不止这么几种，其它的我们用到的时候再补充一下。
色彩捕捉
色彩捕捉需要用到一个cv2的函数，叫做inRange。
src是输入的数组,lowerb是lower boundary，就下界，upperb是上界，dst是输出。dst有一个规则就是如果在这个范围内，这个像素点位置的值就设为255，不在范围内就设置为0。scalar这个词经常看到，时标量的意思。可以看一看
参数4我们用不到，这个操作也可以叫做二值化，顾名思义，就所有的数非0就是255。参考
CV_8U就是无符号的八位二进制数。我们来捕捉一下黑色。按照下面的经验表来确定上下界。
这个是原图。
并且看到二值化之后其实就是灰度图了，只有一个通道。这是二值化的结果：
黑色的地方全部被刷成白色，因为灰度图里面255是白色。但是看到由于头发上面有一些反光，黑的不是那么彻底，就不在我们的范围里面了，我们可以改这个范围。我把v的范围调大了一些，头发那里虽然好了一些，但是其它不是那么黑的地方就也在范围里面了，不过我设置一下把在范围里面的设置为黑色，这个非一下就行。这个效果还可以。
但是我就在想，为什么不能直接在BGR模式下做这个inRange呢？必须在HSV模式下吗？
这个是在BGR直接用inRange的，看起来效果也还可以啊。可能是我们的要求不太高吧。
用threshold也能实现二值化：
这个明显没有inRange好用，如果我们自己要写一个inRange，要有三个循环，有点麻烦。
我们来捕捉一下蓝色。原图：
效果还不错。下面是用BGR，现在我体会到HSV比较好的一点是，有经验值，下面的值是我自己定的，必须得接近纯蓝才会被识别。
通道的拆分和融合
这个可能有时候用到，拆分我们可以有很多种方式。
切片是一种方式。
可以用stack来融合。
和原来的是一样的。opencv还提供了专门的API，分别是cv2.split和cv2.merge。
那么就先到这里。
