前言：
Python的列表处理，在机器视觉中经常被用到，这里结合基本的概念+机器视觉实践案例，成文如下：
本身将实现一个，弧线的mask填充：这个mask是我的一个天文项目的应用，目的在于将月球从图中抠出来。
1 基础概念 - 序列：
序列是 Python 中最基本的数据结构。
序列中的每个值都有对应的位置值，称之为索引，第一个索引是 0，第二个索引是 1，依此类推。
1.1 python 序列的类型
Python 有 6 个序列的内置类型，但最常见的是列表和元组。
1.1.1 列表：[List]
列表是最常见的序列类型之一，它是可变的，意味着你可以添加、删除或修改其中的元素。列表使用方括号[]表示，并包含一系列以逗号分隔的值。列表中的元素可以包含不同的数据类型，不需要全部相同。列表提供了11个内置方法，用于添加、删除、查找元素等操作。
# 定义一个列表
my_list = [1, 'apple', 3.14, True]
# 打印列表
print(my_list)
1.1.1.1 访问列表的索引
#!/usr/bin/python3
list = ['red', 'green', 'blue', 'yellow', 'white', 'black']
print( list[0] )
print( list[1] )
print( list[2] )red
green
blue
1.1.1.2 从后面反向索引
#!/usr/bin/python3
list = ['red', 'green', 'blue', 'yellow', 'white', 'black']
print( list[-1] )
print( list[-2] )
print( list[-3] )black
white
yellow
1.1.1.3 用下标访问列表中的值
#!/usr/bin/python3
nums = [10, 20, 30, 40, 50, 60, 70, 80, 90]
print(nums[0:4])[10, 20, 30, 40]
1.1.1.3 截取和拼接
1.1.2 元祖（Tuple)
元组与列表类似，也是一个序列类型，但是元组是不可变的，一旦创建就不能修改。元组使用小括号()表示，也可以包含逗号分隔的值。与列表不同，元组没有提供内置的方法，但可以转换为列表进行操作
# 定义一个元组
my_tuple = (1, 'apple', 3.14, True)
# 打印元组
print(my_tuple) 
1.1.3 字符串 “string”
字符串是一个不可变的序列类型，用于处理文本数据。字符串使用单引号'或双引号"表示，可以包含一系列字符。字符串中的字符可以是字母、数字、标点符号等
# 定义一个字符串
my_string = "Hello, World!"
# 打印字符串
print(my_string)1.1.4 其他不常用。
Unicode字符串
Unicode字符串与字符串类似，也是不可变的序列类型，但它支持多字节字符编码，可以表示全球各地的语言字符。Unicode字符串使用三个单引号
'''或三个双引号"""
# 定义一个Unicode字符串
my_unicode = """你好，世界！"""
# 打印Unicode字符串
print(my_unicode)缓冲区对象（Buffer Object）
缓冲区对象是一个较不常见的序列类型，它主要用于低级编程，如文件操作或内存映射。缓冲区对象使用方括号
[]表示，但内部是通过缓冲区接口进行操作的13。xrange对象
xrange对象是一个生成器类型，它用于生成一个整数序列。与列表不同，xrange不会占用大量的内存空间，它只生成序列的一部分。xrange对象使用三个参数表示范围，如
xrange(start, stop, step)
# 使用xrange生成一个序列
for i in xrange(10):
print(i)
2 实践：
2.1 获取一个图片的四个顶点
2.1.1 拿到图片的尺寸
对应彩色的图片，通过如下的代码，可以先获取图片的尺寸：
import cv2
# 读取图像
image = cv2.imread('path_to_image.jpg')
# 获取图像尺寸
height, width, channels = image.shape
# 打印尺寸信息
print(f'Width: {width}, Height: {height}, Channels: {channels}')【案，
在OpenCV中，可以通过多种方式获取图像的尺寸信息。当你使用 cv2.imread() 函数读取图像后，图像会被存储在一个NumPy数组中，你可以通过该数组的 shape 属性来获取图像的尺寸。
对于彩色图像，shape 属性返回一个三元组 (height, width, channels)，分别表示图像的高度、宽度和通道数（RGB三个颜色通道）。对于灰度图像，它返回的是二元组 (height, width)，因为灰度图像只有一个通道。】
【案，这里图像的属性通过元祖来表示，原因是元祖他可以集成多种数据格式，同时元祖是不可以改变的】
import cv2
# 读取图像
image = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)
# 获取图像尺寸
height, width = image.shape
# 打印尺寸信息
print(f'Width: {width}, Height: {height}') 【图像是灰度图像，那么 channels 将不存在】
2.1.2 拿到图片的四个顶点
上小节，拿到尺寸后，我们通过这个嵌套的列表，来表示图片的四个顶点坐标，
# 获取矩形框的四个角点
corners = np.array([
[0, 0],
[width - 1, 0],
[width - 1, height - 1],
[0, height - 1]
])那么，如果是右侧的顶点
# 获取矩形框的右侧两个角点
right_corners = np.array([
[width - 1, 0],
[width - 1, height - 1]
])
2.2 构建一个弧段（含和图片的交点）这里略-将在其他章节介绍
假设弧段的点集为：
arc_points 我们可以拿到弧的起始点的坐标。
交点为：
intersection_points2.3 现在构建mask区域
要构建一个mask,就必须构建一个封闭的区域。简单的想法，就是通过弧与图像边界的交点，来构建。
# 构建一个封闭区域，包括弧段和右侧顶点
polygon_points = np.vstack((arc_points, [arc_end_point], right_corners, [arc_start_point]))
# 填充封闭区域为白色
cv2.fillPoly(mask, [polygon_points], (255))但是，问题出来，很明显，在构建MASK区域的时候，顶点的选择，由于顺序的问题，发生了交叉，大家可以看到下面的图片，因为交叉，所以，就出现，下面这个交织的情况。
而，我们希望是将弧段+边界构成MASK区域。
【案，问题的根源就是，我们构建参考点的时候，点的选取顺序也许发生了问题，
【案，这个图的标号，反映了红色错误的情况，和绿色正确的情况】
于是，我们有了下面的修改，
# 构建一个封闭区域，包括弧段和右侧顶点
polygon_points = np.vstack((arc_points, [arc_end_point], right_corners[::-1], [arc_start_point]))
# 填充封闭区域为白色
cv2.fillPoly(mask, [polygon_points], (255))【案，这里将构建封闭区域的点，构成一个封闭的点集，然后，利用fillPoly函数进行填充，形成mask】
【这里， right_corners[::-1] 反转了右侧顶点的顺序,这里就要用到我们前面关于python的列表的高级应用知识】
理论和实践的结合
right_corners: 这是一个变量名，代表一个列表或数组。这个列表中存储着一些表示右侧顶点的元素。[::-1]: 这是Python列表切片的一种特殊用法，用于反转列表。
切片操作的详细解释：
:: 表示从列表的开头开始。:: 表示到列表的末尾结束。-1: 表示步长为-1，即从后向前取元素。
结合起来看：
right_corners[::-1]的意思是：从right_corners列表的末尾开始，以步长-1的方式，一直取到列表的开头，从而形成一个新的列表，这个新列表中的元素顺序与原列表正好相反。
示例：
假设 right_corners 的值为 [1, 2, 3, 4]，那么 right_corners[::-1] 的结果就是 [4, 3, 2, 1]。调整结果：
参考：
Python3 列表 | 菜鸟教程
