1、生成图像
cv2.imread是OpenCV库中的一个函数，用于读取图像文件。它接受一个参数，即要读取的图像文件的路径，返回一个多维数组， 表示图像的像素值。该函数的常用参数包括：'flags'：指定读取图像的方式，包括cv2.IMREAD_COLOR（读取彩色图像），cv2.IMREAD_GRAYSCALE（读取灰度图像）等。'encoding'：指定图像的编码方式，默认为None。'decoder'：指定解码器，默认为None。
import cv2image = cv2.imread('images/lena.png')
# imread函数读取了图像文件，并将其数据存储在变量'image'中print(image)
# 打印的结果是一个多维数组，表示图像的像素值
2、显示图像
cv2.waitKey()是OpenCV库中的一个函数，用于等待用户按键。 它接受一个参数，表示等待的时间（以毫秒为单位），如果没有按键按下，则返回-1。 如果参数为0，则无限期等待用户按键。
import cv2image = cv2.imread('images/lena.png')
# 读取图像文件，并将其数据存储在变量'image'中cv2.imshow('lena', image)
# 创建一个名为'lena'的窗口，并在该窗口中显示我们刚刚读取的图像cv2.waitKey(0)
# 无限期地等待用户按键。参数0表示无限期等待。cv2.destroyWindow('lena')
# 关闭名为'lena'的窗口
3、保存图像
cv2.imwrite(filename, img[, params])filename：要写入的文件名，包括文件路径和文件扩展名。img：要写入的图像数据，可以是单通道灰度图像，也可以是三通道彩色图像。params：可选参数，包括一些写入图像的质量、压缩比等参数，如[int(IMWRITE_JPEG_QUALITY), int(IMWRITE_PNG_COMPRESSION)]。
import cv2# 读取图像
img = cv2.imread('images/lena.png')# 写入图像
# 将变量'img'中的图像数据写入到名为'result.bmp'的文件中
result = cv2.imwrite('result.bmp', img)
4、读取视频
cv2.VideoCapture是OpenCV库中的一个函数，用于读取视频文件或摄像头的视频流。 它的主要作用是从本地或网络中读取视频帧，并将其预存储到内存中，以便进行后续的图片处理或特征提取等操作。
import cv2video = cv2.VideoCapture('images/video.mp4') # 创建VideoCapture对象 这个对象可以读取视频文件，这里读取的是位于'images/video.mp4'路径的视频文件fps = video.get(cv2.CAP_PROP_FPS)
# 读取视频的帧速率 帧率是指每秒显示的帧数height = video.get(cv2.CAP_PROP_FRAME_HEIGHT)
# 获取视频的高度
weight = video.get(cv2.CAP_PROP_FRAME_WIDTH)
# 获取视频的宽度print('FPS：', fps)
# 打印视频的帧率print('The video size: ', height, weight)
# 打印视频的大小，即其帧的高度和宽度FPS： 24.12565445026178
The video size: 860.0 540.0
5、读取并播放视频
import cv2video = cv2.VideoCapture('images/video.mp4')
# "创建一个VideoCapture对象，用于读取视频文件while video.isOpened(): # 当视频文件成功打开时，进入循环。ret, frame = video.read() # 使用read方法读取视频的一帧，ret为布尔值，表示是否读取成功，frame为读取到的一帧cv2.imshow('video', frame) # 使用imshow方法显示视频，窗口的名称为'video'，显示的内容为framekey = cv2.waitKey(30) # 等待30毫秒，看用户是否有键盘输入# 按ESC键退出if key == 27:break # 如果用户输入的是ESC键（ASCII值为27），则退出循环video.release()
# 释放VideoCapture对象cv2.destroyAllWindows()
# 关闭所有的OpenCV窗口6、查看图像属性
import cv2imageColor = cv2.imread('images/lena.png')
print('图像的大小和通道数：', imageColor.shape)
# 在OpenCV中，一个彩色图像的形状是(高度, 宽度, 颜色通道)，而颜色通道通常为3（RGB）print('图像总的像素个数：', imageColor.size)
# 可以通过.size属性得到图像的总像素数print('图像的数据类型：', imageColor.dtype)
# 图像的数据类型通常是'uint8'，表示每个像素值的范围是0-255
图像的大小和通道数： (256, 256, 3)
图像总的像素个数： 196608
图像的数据类型： uint8
7、生成灰色图像
生成一个256x256的黑色图像，所有像素的值都被设置为0 np.zeros([256, 256], dtype=np.uint8)
import cv2gray = np.random.randint(0, 256, size=[256, 256], dtype=np.uint8)
# 使用numpy的random.randint函数创建了一个256x256的二维数组，
# 数组中的每个值都是0到255之间的随机整数，数据类型为无符号8位整数（uint8）。
# 这个数组代表一张灰度图像，其中每个值表示一个像素的灰度值。
cv2.imshow('gray-image', gray)
# 用imshow函数显示上面创建的灰度图像。'gray-image'是窗口的名称，gray是要显示的图像
cv2.waitKey(0)
cv2.destroyAllWindows() 
8、转换灰度图像
import cv2imageColor = cv2.imread('images/lena.png')
# imread函数读取了一个图像文件，文件路径是'images/lena.png'，并将其保存到变量imageColor中。
# 这个函数会将图像读取为彩色图像，除非另外指定。
cv2.imshow('color', imageColor)imageGrey = cv2.imread('images/lena.png', 0)
# 0是cv2.IMREAD_GRAYSCALE的别名，表示将图像读取为灰度图像
cv2.imshow('grey', imageGrey)imageGrey2 = cv2.imread('images/lena.png', cv2.IMREAD_REDUCED_GRAYSCALE_2)
# cv2.IMREAD_REDUCED_GRAYSCALE_2表示将图像读取为灰度图像，并将颜色深度降低到2
cv2.imshow('grey2', imageGrey2)img = cv2.imread('images/lena.png', cv2.IMREAD_REDUCED_COLOR_4)
# cv2.IMREAD_REDUCED_COLOR_4表示将图像读取为彩色图像，并将颜色深度降低到4
cv2.imshow('color2', img)cv2.waitKey(0)
cv2.destroyAllWindows()
9、通道拆分
"""读取一张图像，并分离出它的红、绿、蓝三个颜色通道"""
import cv2image = cv2.imread('images/lena.png')
# 将图像的三个颜色通道（蓝、绿、红）分离出来。
# 在OpenCV中，图像的颜色通道顺序是BGR
b = image[:, :, 0]
g = image[:, :, 1]
r = image[:, :, 2]# 使用imshow函数分别显示蓝、绿、红三个颜色通道。
cv2.imshow('B channel', b)
cv2.imshow('G channel', g)
cv2.imshow('R channel', r)cv2.waitKey(0)
cv2.destroyAllWindows()
import cv2image = cv2.imread('images/lena.png')# 将图像分离成三个颜色通道，分别对应蓝色（B）、绿色（G）和红色（R）
b, g, r = cv2.split(image)
cv2.imshow('B channel', b)
cv2.imshow('G channel', g)
cv2.imshow('R channel', r)cv2.waitKey(0)
cv2.destroyAllWindows()
10、通道合并
import cv2image = cv2.imread('images/lena.png')b, g, r = cv2.split(image)
# 分割成三个通道，分别是蓝色通道（b）、绿色通道（g）和红色通道（r）imageRGB = cv2.merge([r, g, b])
# 红色、绿色和蓝色通道按照RGB顺序合并成一个新的图像imageGRB = cv2.merge([g, r, b])
# 绿色、红色和蓝色通道按照GRB顺序合并成一个新的图像cv2.imshow('image', image)
# 显示原始图像cv2.imshow('imageRGB', imageRGB)
# 显示RGB顺序的图像cv2.imshow('imageGRB', imageGRB)
# 显示GRB顺序的图像cv2.waitKey(0)
cv2.destroyAllWindows()
