影象與原始位元組之間的轉換：
從概念上，乙個位元組能表示0到255的整數，通常乙個畫素每個通道由乙個位元組表示。
乙個opencv影象是.array型別的二維或者三維陣列。8位的灰度影象是乙個含有位元組值得二維陣列。乙個24位的bgr影象是乙個三維陣列，也包含了位元組值，可以使用表示式訪問這些值，如image[0,0]或者image[0,0,0]。第乙個值表示y座標，第二個值表示x座標，第三個值為顏色通道。還可以使用image.item((0,0))或image.setitem((0,0),128)來訪問畫素和對畫素進行操作。
若一幅影象的每個通道為8位，則可以將其顯式轉換為標準的移位python bytearray格式：
bytearray=bytearray(image)grayimage=numpy.array(graybytearray).reshape(height,width)
bgrimage=numpy.array(bgrbytearray).reshape(height,width,3)
import cv2
import numpy as np
import os
randombytearray=bytearray(os.urandom(120000))
flatnumpyarray=np.array(randombytearray)
grayimage=flatnumpyarray.reshape(300,400)
cv2.imwrite('randomgray.png',grayimage)
bgrimage=flatnumpyarray.reshape(100,400,3)
cv2.imwrite('randomcolor.png',bgrimage)
和彩色影象：
使用numpy.random.randint(0,256,120000).reshape(300,400)也可以並更加高效地生成numpy陣列。
使用numpy.array訪問影象資料：
y.array結構針對陣列操作有很好地優化，允許（bulk）操作。.array操作再opencv影象處理中會很方便使用，如對bgr影象的某一畫素點進行操作，轉換為白色畫素點：
用numpy.array函式來轉換陣列比普通的python陣列轉換要快得多。
方法：
import cv2
下面是對通道的操作，指定某一通道的所有值置為0：
要確保這兩個區域大小相同。
numpy.array獲取影象的屬性：
結果：
(1080, 1920, 3)
6220800
uint8
shape：numpy返回包含寬度，高度和通道數的陣列，在除錯影象型別除錯時有用，如果影象是單色或灰度的，將不包含通道值。
size：該屬性是指影象畫素的大小
dtype：該屬性會得到影象的資料型別（通常為乙個無符號整數型的變數和該型別佔的位數，比如uint8型別）
Python OpenCV學習（十二）Haar聯級
haar特徵 haar特徵是一種反映影象的灰度變化的，畫素分模組求差值的一種特徵。它分為三類 邊緣特徵 線性特徵 中心特徵和對角線特徵。用黑白兩種矩形框組合成特徵模板，在特徵模板內用 黑色矩形畫素和 減去 白色矩形畫素和來表示這個模版的特徵值。例如 臉部的一些特徵能由矩形模組差值特徵簡單的描述，如 ...
Python Opencv學習筆記1
我選用的教材是opencv python torturial的翻譯版本，這裡給出基礎部分的學習 以及我的學習備註。import numpy as np import cv2 img cv2.imread untitled.png 0 這裡後面的引數是如何讀取這張，即以下三種情況 print cv2....
Python OpenCV學習（7） 模板匹配
利用python學習opencv，個人感覺比較方便。函式的形式與c 基本相同，所以切換過來還是比較好的，對於像我這種對python不太熟練的人，使用python的整合開發環境pycharm進行學習，可以設定斷點除錯，有助於我這類初學者理解掌握。下面是利用python語言結合opencv的模板匹配 6...