常用数据结构与颜色空间

矩阵和图像类型

图像可能是灰度，彩色，4 通道的(RGB+alpha)，其中每个通道可以包含任意的整数或浮点数。因此，该类型比常见的、易于理解的3通道 8位 RGB 图像更通用。
RBG颜色空间、 HSV/HLS颜色空间、 Lab颜色空间
在这里插入图片描述

Scalar 0表示具有四个元素的数组，大量用来传递像素值，如RGB颜色一般形式: Scalar(double B，double Gdouble R，double Alpha)如果用不到第四个则表示Scalar(B，G，R)，其中:B一表示蓝色分量，G一表示绿色分量R一表示红色分量，Alpha一表示透明度注意:Scalar表示颜色顺序为BGR
Scalar (255，0，0)表示纯蓝色Scalar (0，255，0)表示纯绿色
Scalar (0，0，255)----表示纯红色Scalar (255，255，0)----表示青色
色调(E):200 红®:255
饱和度(s):240 绿(G):0
Scalar (0，255，255)
颜色|纯色(0)
----表示黄色

在这里插入图片描述

OpenCV 提供了大量实用的图像操作符，包括缩放图像，单通道提取，找出特定通道最大最小值，两个图像求和，对图像进行阙值操作，等等。本章我们将仔细介绍这类操作。

图像类型

       宏                             图像像素类型

IPL DEPTH 8U -------------------------------- 无符号 8 位整数 (8u)
IPL DEPTH 8S -------------------------------- 有符号 8位整数(8s)
IPL_DEPTH_16S------------------------------有符号16 位整数(16s)
IPL DEPTH_32S-------------------------------有符号 32位整数(32s)
IPL DEPTH 32F--------------------------------32 位浮点数单精度(32f)
IPL_DEPTH_64F-------------------------------64 位浮点数双精度(64f)

图像访问

通常，我们需要非常迅速和高效地访问图像中的数据。这意味着我们不应受制于存取函数。实际上，我们想要用最直接的方式访问图像内的数据。
虽然 OpenCV 中有很多优化函数帮助我们完成大多数的图像处理的任务，但是还有一些任务，库中没有预先包装好的函数可以帮我们解决。例如，如果我们有一个三通道 HSV 图像，在色度保持不变的情况下，我们要设置每个点的饱和度和高度为 255(8 位图像的最大值)，我们可以遍历图像，对每个像素点进行修改。

在这里插入图片描述
示例代码：

for i in range(0,img.shape[0]): 
#访问所有行
   for j in range(0,img.shape[1]):
    #访问所有列
       if(int(img[i,j] * contrast * 0.01 + brightness)>255):
           img[i,j] = 255
       else:
           img[i,jl =int(img[i,jl * contrast * 0.01 + brightness