1、先读取一个图片
import cv2
import numpy as np
img = cv2.imread('test.jpg')
我们可以获取该图像的属性：行，列，通道，图像数据类型，像素数目等，具体如下。
img.shape：获取图像的形状，返回值是一个包含行数，列数，通道数的元组
img.size：图像的像素数目，长乘以宽乘以通道数。
img.dtype：图像的数据类型
img[xp, yp] = [B, G. R]，应该是这种形式了，想要更改该像素值，
直接给该坐标上面赋值BGR通道的值即可，当然，也可以分开赋值。如下：
img[xp, yp, 0] = B
img[xp, yp, 1] = G
img[xp, yp, 2] = R
其他方法：
对于OpenCV的图像数据结构，我们通常使用 array.item() 来获取某一范围的像素内容并使用array.itemset()设置该像素的信息，比较列表嵌套并使用for循环遍历，是非常高效的。而且，程序的可读性会更好。我们来看下面的例子。
import cv2import numpy as np
img=cv2.imread('test.jpg')
# 打印像素点(10,10)的R通道值
print(img.item(10,10,2))
# 设置像素点(10,10)的R通道为110
img.itemset((10,10,2),110)
# 打印像素点(10,10)的R通道值
print(img.item(10,10,2))
2、图像ROI
图像的数据量还是比较大的，对整张图片进行处理会影响我们的处理效率，
因此常常只对图像中我们需要的部分进行处理，也就是感兴趣区域ROI。
使用numpy索引来获得
import cv2 import numpy as np img=cv2.imread('xxx.jpg') ball=img[280:340,330:390] img[273:333,100:160]=ball
3、拆分及合并图像通道
分别对BGR三个通道操作，有时候需要把独立通道的图片合成一个BGR图像。
import cv2 import numpy as np img=cv2.imread('/home/duan/workspace/opencv/images/roi.jpg') b,g,r=cv2.split(img) img=cv2.merge(b,g,r)
或者
import cv2 import numpy as np img=cv2.imread('/home/duan/workspace/opencv/images/roi.jpg') b=img[:,:,0]
import cv2 import numpy as np img=cv2.imread('/home/duan/workspace/opencv/images/roi.jpg') img[:,:,2]=0