1、先读取一个图片
import cv2
import numpy as np
img = cv2.imread(‘test.jpg‘)
我们可以获取该图像的属性：行，列，通道，图像数据类型，像素数目等，具体如下。
img.shape：获取图像的形状，返回值是一个包含行数，列数，通道数的元组
img.size：图像的像素数目，长乘以宽乘以通道数。
img.dtype：图像的数据类型
img[xp, yp] = [B, G. R]，应该是这种形式了，想要更改该像素值，
直接给该坐标上面赋值BGR通道的值即可，当然，也可以分开赋值。如下：
img[xp, yp, 0] = B
img[xp, yp, 1] = G
img[xp, yp, 2] = R
其他方法：
对于OpenCV的图像数据结构，我们通常使用 array.item() 来获取某一范围的像素内容并使用array.itemset()设置该像素的信息，比较列表嵌套并使用for循环遍历，是非常高效的。而且，程序的可读性会更好。我们来看下面的例子。
import cv2import numpy as np
img=cv2.imread(‘test.jpg‘)
# 打印像素点(10,10)的R通道值
print(img.item(10,10,2))
# 设置像素点(10,10)的R通道为110
img.itemset((10,10,2),110)
# 打印像素点(10,10)的R通道值
print(img.item(10,10,2))
2、图像ROI
图像的数据量还是比较大的，对整张图片进行处理会影响我们的处理效率，
因此常常只对图像中我们需要的部分进行处理，也就是感兴趣区域ROI。
使用numpy索引来获得
import cv2 import numpy as np img=cv2.imread(‘xxx.jpg‘) ball=img[280:340,330:390] img[273:333,100:160]=ball
3、拆分及合并图像通道
分别对BGR三个通道操作，有时候需要把独立通道的图片合成一个BGR图像。
import cv2 import numpy as np img=cv2.imread(‘/home/duan/workspace/opencv/images/roi.jpg‘) b,g,r=cv2.split(img) img=cv2.merge(b,g,r)
或者import cv2 import numpy as np img=cv2.imread(‘/home/duan/workspace/opencv/images/roi.jpg‘) b=img[:,:,0]
假如你想使所有像素的红色通道值都为 0，你不必先拆分再赋值。你可以
直接使用 Numpy 索引，这会更快。
import cv2 import numpy as np img=cv2.imread(‘/home/duan/workspace/opencv/images/roi.jpg‘) img[:,:,2]=0
警告：cv2.split() 是一个比较耗时的操作。只有真正需要时才用它，能用
Numpy 索引就尽量用。
4、为图像扩边（填充）
如果你想在图像周围创建一个边，就像相框一样，你可以使用 cv2.copyMakeBorder()
函数。这经常在卷积运算或 0 填充时被用到。这个函数包括如下参数：
• src 输入图像
• top, bottom, left, right 对应边界的像素数目。
• borderType 要添加那种类型的边界，类型如下
– cv2.BORDER_CONSTANT 添加有颜色的常数值边界，还需要
下一个参数（value）。
– cv2.BORDER_REFLECT 边界元素的镜像。比如: fedcba|abcde
fgh|hgfedcb
– cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT
跟上面一样，但稍作改动。例如: gfedcb|abcdefgh|gfedcba
– cv2.BORDER_REPLICATE 重复最后一个元素。例如: aaaaaa|
abcdefgh|hhhhhhh
– cv2.BORDER_WRAP 不知道怎么说了, 就像这样: cdefgh|
abcdefgh|abcdefg
• value 边界颜色，如果边界的类型是 cv2.BORDER_CONSTANT
原文地址：https://www.cnblogs.com/h694879357/p/12271329.html