1.访问和修改像素值
有两种方法，代码示例：
import numpy as np
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac.jpg')
#方法一
print(img[100,100])
print(img[100,100,2])
img[100,100,2] = 150
print(img[100,100,2])
#方法二
print(img.item(100,100,2))
img.itemset((100,100,2),255)
print(img.item(100,100,2))
2.访问图像属性
有三种属性，代码示例：
import numpy as np
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac.jpg')
print(img.shape) #图像形状（行，列，通道数（若为灰度图像则无这一项））
print(img.size) #图像像素总数
print(img.dtype) #图像数据类型
3.图像的分割及复制
将图像的一部分进行分割，并将其复制到指定的位置，代码示例：
import numpy as np
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac.jpg')
half = img[0:1080, 0:960]
img[0:1080, 960:1920] = half
cv.imwrite('change.jpg', img)
4.拆分及合并图像通道
将BGR图像的B、G、R三通道进行分割存储，再合并成RGB图像格式，代码示例：
import numpy as np
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac.jpg')
#方法一
b, g ,r = cv.split(img)
img2 = cv.merge([r, g, b])
#方法二
b = img[:,:,0]
g = img[:,:,1]
r = img[:,:,2]
img3 = cv.merge([r, g, b])
5.为图像添加边框
主要使用cv.copyMakeBorder()函数，此函数有以下参数：
①输入图像
②上边框宽度
③下边框宽度
④左边框宽度
⑤右边框宽度
⑥边框类型，包括5种：
- cv.BORDER_CONSTANT
添加恒定的彩色边框。该值应作为下一个参数给出。 - cv.BORDER_REFLECT
边框将是边框元素的镜像，如下所示： fedcba | abcdefgh |
hgfedcb - cv.BORDER_REFLECT_101或cv.BORDER_DEFAULT
例如： gfedcb | abcdefgh | gfedcba - cv.BORDER_REPLICATE
最后一个元素被复制，例如： aaaaaa | abcdefgh | hhhhhhh - cv.BORDER_WRAP
例如： cdefgh | abcdefgh | abcdefg
⑦value -边框的颜色（边框类型为cv.BORDER_CONSTANT）
代码示例：
import numpy as np
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac.jpg')
img1 = cv.cvtColor(img, cv.COLOR_BGR2RGB)
replicate = cv.copyMakeBorder(img1, 100, 100, 100, 100, cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img1, 100, 100, 100, 100, cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img1, 100, 100, 100, 100,cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img1, 100, 100, 100, 100, cv.BORDER_WRAP)
constant = cv.copyMakeBorder(img1, 100, 100, 100, 100, cv.BORDER_CONSTANT,(255,0,0))
plt.subplot(2, 3, 1)
plt.title('ORIGINAL')
plt.imshow(img1)
plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 2)
plt.title('REPLICATE')
plt.imshow(replicate)
plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 3)
plt.title('REFLECT')
plt.imshow(reflect)
plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 4)
plt.title('REFLECT_101')
plt.imshow(reflect101)
plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 5)
plt.title('WRAP')
plt.imshow(wrap)
plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 6)
plt.title('CONSTANT')
plt.imshow(constant)
plt.xticks([]), plt.yticks([])
plt.show()
