1、读入图像
函数：cv2.imread(读取路径，读取方式)
常见的读取方式有三种
读取方式 | 含义 | 数字表示 |
cv2.IMREAD_COLOR | 默认值，加载一张彩色图片，忽视透明度 | 1 |
cv2.IMREAD_GRAYSCALE | 加载一张灰度图 | 0 |
cv2.IMREAD_UNCHANGED | 按照图片的原始方式加载图像，包括它的Alpha通道 | -1 |
import cv2
img=cv2.imread('test.jpg',0)
print(img.shape)2、显示图像
函数：cv2.imshow(窗口名字，图像数据的名字)
img=cv2.imread('test.jpg',1)
cv2.imshow('image',img)3、保存图片
函数：cv2.imwrite(图像名，待写入图片的数据变量名)
cv2.imwrite('new_img.jpg',img)4、灰度转化
作用：将三通道图像（彩色图）转化为单通道图像（灰度图）；可以在读取图片时将cv2.imread的参数设置为0或1来实现，采用下述方法可以了解转化的过程
公式：三通道转化为单通道：GRAY=B*0.114+G*0.587+R*0.229
单通道转化为三通道：R=G=B=GRAY；A=0
函数：cv2.cvtColor(img,flag)
img为要转化的图像；flag为转换模式，flag=cv2.COLOR_BGR2GRAY时表示将彩色图图转化为灰度图；flag=cv2.COLOR_GRAY2BGR时表示将灰度图转化为彩色图
import cv2
img=cv2.imread("test.jpg",cv2.IMREAD_UNCHANGED)
shape=img.shape
print(shape)
#判断通道数是否为三通道或四通道
if shape[2]==3 or shape[2]==4:
#彩色图转为灰度图
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow("gray",img_gray)2
cv2.imshow("image",img)
cv2.waitKey(0)
cv2.destroyAllWindows()5、BGR与RGB的转化
opencv中读取图片默认方式为BGR，但在使用中常用RGB，因此根据需求有时需要对读取到的图片进行转化，转化方式有两种
1、用opencv自带的函数：cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
2、用numpy转，将原来的数据逆转
import cv2
import matplotlib.pyplot as plt
img=cv2.imread("test.jpg",1)
#用opencv自带的方法
img_cv_method=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#用numpy转,将列左右翻转
img_numpy_method=img[:,:,::-1]
#用matplot画图
plt.subplot(1,2,1)
plt.imshow(img_cv_method)
plt.subplot(1,2,2)
plt.imshow(img_numpy_method)
plt.savefig("./plt.png")
plt.show()
#保存图片
cv2.imwrite("opencv.png",img)
cv2.waitKey(0)
cv2.destroyAllWindows()6、通道的分离与合并
1、通道分离
目的：将彩色图像分成b,g,r3个单通道图像，方便对每个通道进行单独操作
函数：cv2.split(img)
2、通道合并
目的：对单通道进行修改以后，再将修改后的三个通道合并为彩色图像
函数：cv2.merge(list)；待合并的通道数以list的形式输入
import cv2
img=cv2.imread("test.jpg")
#调用通道分离函数
b,g,r=cv2.split(img)
#三个通道分别显示
cv2.imshow('blue',b)
cv2.imshow('red',r)
cv2.imshow('green',g)
#将b通道变为0，查看与原图的区别
b[:] = 0
#合并通道
img_merge=cv2.merge([b,g,r])
cv2.imshow('merge',img_merge)
cv2.waitKey(0)
cv2.destroyAllWindows()通过上述代码可以发现，单通道显示的每个图片都是灰度图，并不是分别显示为红、蓝、绿，因此若想让分离后B通道的图片呈蓝色，则需要将单通道变为三通道显示，即[B,0,0]的形式
import cv2
import numpy as np
img=cv2.imread("test.jpg")
#调用通道分离函数
B,G,R=cv2.split(img)
#创建与图像大小相同的零矩阵
zeros=np.zeros(img.shape[:2],dtype="uint8")
#显示【B,0,0】
cv2.imshow("BLUE",cv2.merge([B,zeros,zeros]))
cv2.waitKey(0)
cv2.destroyAllWindows()7、图像直方图的绘制
1、图像直方图：表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。在这种直方图中，横坐标左侧为纯黑、较暗的区域，右侧为较亮、纯白的区域。
2、目的：对图像像素的分布进行统计
3、函数：cv2.calcHist(img,channels,mask,histSizze,ranges)
img：要进行统计的图像，要用中括号括起来
channels：待计算的通道
histSize：表示直方图分为多少份
ranges：要统计的像素值的范围
from matplotlib import pyplot as plt
img=cv2.imread('test.jpg')
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
hist=cv2.calcHist([img],[0],None,[256],[0,256])
plt.figure()
plt.title("Grayscale Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
plt.plot(hist)
plt.xlim([0,256])
plt.show()
