图像是由一个个像素构成的
我们所说的图像，通常分为二值图像、灰度图像、RGB图像
二值图像：图像当中的每个像素点，只能取0或255，其中0为黑，255为白
灰度图像：图像当中的每个像素点，可以取最暗黑色到最亮的白色的灰度之间256级灰度，其中二值图像和灰度图像都是单通道图片
RGB图像：图像当中的每个像素由R、G、B三个分量表示，即RGB三通道彩色图片，其中每个通道取值范围0-255之间
像素处理
1.读取像素
返回值 = 图像(位置参数)
1> 灰度图像，返回灰度值
2> RGB图像，返回值为B,G,R的值（这是因为，RGB图像中的实际通道顺序是BGR）
2.修改像素值
图像(位置参数) = 修改的值
使用numpy进行像素处理
Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组
安装：pip install numpy
返回值 = 图像.item(位置参数)
图像名.itemset(位置参数，新值)
获取图像属性
1.形状：行、列、通道数
通过图像名.shape获取图像的形状，返回包括行数，列数，通道数的元组
1> 灰度图像，返回行数、列数
2> 彩色图像，返回行数、列数、通道数
2.像素数目
通过图像名.size获取图像的像素数目
1> 灰度图像，返回行数*列数
2> 彩色图像，返回行数*列数*通道数
3.图像的数据类型
通过图像名.dtype获取当前图像的数据类型
图像ROI，感兴趣区域
在图像处理领域，我们常常需要设置感兴趣区域（ROI,region of interest），这个区域就是图像分析所关注的焦点，这样以便进行进一步处理，可以大大减少处理时间
定义ROI区域有两种方法
1> 使用表示矩形的区域React，它指定矩形的左上角坐标和矩形的长宽
2> 指定感兴趣行或列的范围（Range），Range是指从起始索引到终止索引（不包括终止索引）的一连段连续序列
通道的拆分与合并
1.拆分通道
2.合并通道