一、OpenCV是什么：
（OpenCV标志，可见其标志由红绿蓝三原色及其名称构成）
OpenCV 是一个基于Apache2.0 许可（开源）发行的跨平台计算机视觉和机器学习软件库，它轻量级而且高效，实现了图像处理和计算机视觉方面的很多通用算法。是当前主流视觉函数库中性能较优的。与计算机视觉关系密切，且可以应用于人脸识别、图片分割、人机互动等方面，应用较为广泛。
二、OpenCV 工作原理浅析：
在OpenCV中，图像即为矩阵，在读取图像的像素时，灰度图像直接返回灰度值，彩色图像则返回B、G、R三个分量（分别与三原色的蓝、绿、红相对应）。
OpenCV读取图像是B、G、R存储显示，需要转换为R、G、B再进行图像处理。1个彩色图像，可以分解为3个灰度图像；3个灰度图像合起来是一个彩色图像。
对于灰度图来说，图像很白，说明对应的像素值大。
（图为R、G、B三通道示意图）
修改图像的像素值：
图像即为像素点构成的矩阵，所以可以通过矩阵的运算来实现图像处理。修改图像的像素值时，如果是灰度图像则直接赋值新像素，彩色图像需要依次给R、G、B三个通道赋值。
三、利用OpenCV处理图像的实例：
我们以一张图片为例，实现一个简单的图片处理：阈值分割
（待处理的原图，命名为”road”，我们将通过OpenCV以及简短的代码来实现阈值分割）
示例代码如下：
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread(‘road.jpg’, cv2.IMREAD_GRAYSCALE)
img = np.where(img>100,255,0)
img = img.astype(np.uint8)
plt.imshow(img)
plt.show()
解析：
阈值分割其实就是二值化处理，首先我们来了解一下二值化后的图片特征：在灰度化的图像中灰度值的范围为0~255，在二值化后的图像中的灰度值范围是0或者255。可见二值化后的图片只有两个灰度值，而阈值分割就是决定哪些像素的灰度值更改为0，哪些更改为255，即指定一个阈值，如果图像中某个像素的灰度值大于该阈值，则将该像素的灰度值置为255，否则将其灰度值置为0。
下面我们来对上面的代码中的模块和函数进行解释：
matplotlib.pyplot ：matplotlib.pyplot是一个有命令风格的函数集合，它看起来和MATLAB很相似。每一个pyplot函数都使一副图像做出些许改变，例如创建一幅图，在图中创建一个绘图区域，在绘图区域中添加一条线等等。在matplotlib.pyplot中，各种状态通过函数调用保存起来，以便于可以随时跟踪像当前图像和绘图区域这样的东西。
np.where()：可根据筛选条件对数据进行处理，可返回n维数组。
astype()函数：可用于转化dateframe某一列的数据类型。
【注：uint8：一种矩阵类型，是专门用于存储各种图像的（包括RGB，灰度图像等），范围是从0–255，正是因为其上限是255，所以这种类型在操作的时候会出现某些灰度值乘2之后变为0的现象，可以改变为float类型，来避免这种情况，使得色阶更细致。】
本实例中使用astype()函数，将经过np.where处理的img 图像转化为uint8类型，以便调用.imshow()函数
imshow()函数：用于实现热图绘制
分割结果：
作者水平有限，不足之处颇多，敬请谅解。
Original: https://blog.csdn.net/m0_63395114/article/details/122405172
Author: m0_63395114
Title: 浅谈OpenCV
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/645611/
转载文章受原作者版权保护。转载请注明原作者出处！