图像像素存储形式
对于只有黑白颜色的灰度图，为单通道，一个像素块对应矩阵中一个数字，数值为0到255, 其中0表示最暗（黑色） ，255表示最亮（白色）
对于采用RGB模式的彩色图片，为三通道图，Red、Green、Blue三原色，按不同比例相加，一个像素块对应矩阵中的一个向量, 如[24,180, 50]，分别表示三种颜色的比列, 即对应深度上的数字，如下图所示：
需要注意的是，由于历史遗留问题，opencv采用BGR模式，而不是RGB
图像读取和写入cv.imread()
imread(img_path,flag) 读取图片，返回图片对象
img_path: 图片的路径，即使路径错误也不会报错，但打印返回的图片对象为None
flag：cv2.IMREAD_COLOR，读取彩色图片，图片透明性会被忽略，为默认参数，也可以传入1
cv2.IMREAD_GRAYSCALE,按灰度模式读取图像，也可以传入0
cv2.IMREAD_UNCHANGED,读取图像，包括其alpha通道，也可以传入-1
显示图像cv2.imshow()
imshow(window_name,img)：显示图片，窗口自适应图片大小
window_name: 指定窗口的名字
img：显示的图片对象
可以指定多个窗口名称，显示多个图片
waitKey(millseconds) 键盘绑定事件，阻塞监听键盘按键，返回一个数字（不同按键对应的数字不同）
millseconds: 传入时间毫秒数，在该时间内等待键盘事件；传入0时，会一直等待键盘事件
destroyAllWindows(window_name)
window_name: 需要关闭的窗口名字，不传入时关闭所有窗口
保存图片cv2.imwrite()
imwrite(img_path_name,img)
img_path_name:保存的文件名
img：文件对象
ROI截取（Range of Interest）
#ROI,Range of instrest
roi = img[100:200,300:400] #截取100行到200行，列为300到400列的整块区域
img[50:150,200:300] = roi #将截取的roi移动到该区域 （50到100行，200到300列）
b = img[:,:,0] #截取整个蓝色通道
b,g,r = cv2.split(img) #截取三个通道，比较耗时
img = cv2.merge((b,g,r))
添加边界(padding)
cv2.copyMakeBorder()
参数：
img:图像对象
top,bottom,left,right: 上下左右边界宽度，单位为像素值
borderType:
cv2.BORDER_CONSTANT, 带颜色的边界，需要传入另外一个颜色值
cv2.BORDER_REFLECT, 边缘元素的镜像反射做为边界
cv2.BORDER_REFLECT_101/cv2.BORDER_DEFAULT
cv2.BORDER_REPLICATE, 边缘元素的复制做为边界
CV2.BORDER_WRAP
value: borderType为cv2.BORDER_CONSTANT时，传入的边界颜色值，如[0,255,0]
像素算术运算cv2.add() 相加的两个图片，应该有相同的大小和通道
cv2.add()
参数：
img1:图片对象1
img2:图片对象2
mask:None （掩膜，一般用灰度图做掩膜，img1和img2相加后，和掩膜与运算，从而达到掩盖部分区域的目的）
dtype:-1
注意：图像相加时应该用cv2.add(img1,img2)代替img1+img2
>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print cv2.add(x,y) # 250+10 = 260 => 255 #相加，opencv超过255的截取为255
[[255]]
>>> print x+y # 250+10 = 260 % 256 = 4 #相加，np超过255的会取模运算 （uint8只能表示0-255，所以取模）
[4]
图像阈值化 cv2.threshold() cv2.adaptiveThreshold()
cv2.threshold():
参数：
img:图像对象，必须是灰度图
thresh:阈值
maxval：最大值
type:
cv2.THRESH_BINARY: 小于阈值的像素置为0，大于阈值的置为maxval
cv2.THRESH_BINARY_INV： 小于阈值的像素置为maxval，大于阈值的置为0
cv2.THRESH_TRUNC： 小于阈值的像素不变，大于阈值的置为thresh
cv2.THRESH_TOZERO 小于阈值的像素置0，大于阈值的不变
cv2.THRESH_TOZERO_INV 小于阈值的不变，大于阈值的像素置0
返回两个值
ret:阈值
img：阈值化处理后的图像
cv2.adaptiveThreshold() 自适应阈值处理，图像不同部位采用不同的阈值进行处理
参数：
img: 图像对象，8-bit单通道图
maxValue:最大值
adaptiveMethod: 自适应方法
cv2.ADAPTIVE_THRESH_MEAN_C ：阈值为周围像素的平均值
cv2.ADAPTIVE_THRESH_GAUSSIAN_C : 阈值为周围像素的高斯均值（按权重）
threshType:
cv2.THRESH_BINARY: 小于阈值的像素置为0，大于阈值的置为maxValuel
cv2.THRESH_BINARY_INV: 小于阈值的像素置为maxValue，大于阈值的置为0
blocksize: 计算阈值时，自适应的窗口大小,必须为奇数 （如3：表示附近3个像素范围内的像素点，进行计算阈值）
C： 常数值，通过自适应方法计算的值，减去该常数值
(mean value of the blocksize*blocksize neighborhood of (x, y) minus C)
图像形状变换 cv2.resize() 图像缩放
cv2.resize() 放大和缩小图像
参数：
src: 输入图像对象
dsize：输出矩阵/图像的大小，为0时计算方式如下：dsize = Size(round(fx*src.cols),round(fy*src.rows))
fx: 水平轴的缩放因子，为0时计算方式： (double)dsize.width/src.cols
fy: 垂直轴的缩放因子，为0时计算方式： (double)dsize.heigh/src.rows
interpolation：插值算法
cv2.INTER_NEAREST : 最近邻插值法
cv2.INTER_LINEAR 默认值，双线性插值法
cv2.INTER_AREA 基于局部像素的重采样（resampling using pixel area relation）。对于图像抽取（image decimation）来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。
cv2.INTER_CUBIC 基于4x4像素邻域的3次插值法
cv2.INTER_LANCZOS4 基于8x8像素邻域的Lanczos插值
cv2.INTER_AREA 适合于图像缩小， cv2.INTER_CUBIC (slow) & cv2.INTER_LINEAR 适合于图像放大
