1、像素值操作
OpenCV讀取圖像後，將其作爲numpy存儲，所以大部分的圖像計算都是numpy的工作
px = img[100,100] # 獲取像素點（100,100）的三通道顏色值
blue = img[100,100,0] # 獲取像素點（100,100）的藍色通道數值
img[100,100] = [255,255,255] # 修改像素點（100,100）的三通道顏色值
img.item(10,10,2) # 獲取像素值的高效方式
img.itemset((10,10,2),100) # 修改像素值的高效方式
# 圖像屬性
img.shape # 返回一個tuple，圖像的shape（行，列，通道）
img.size # 返回圖像的像素數量，其實就是上面tuple的乘積
img.dtype # 返回圖像像素值的類型，注意不是圖像類型
# 感興趣區域ROI
ball = img[280:340, 330:390] # 用numpy剪裁圖像
img[273:333, 100:160] = ball # 指定區域賦值
# 圖像通道
b,g,r = cv.split(img) # 圖像通道分割，開銷很大，儘量不要直接用，可以的話用numpy代替
img = cv.merge((b,g,r)) # 通道合併
# 複製圖像：將圖像複製到另一目標圖像的中心
cv.copyMakeBorder(
src, # 源圖像
dst, # 目標圖像
top,
bottom,
left,
right, # 目標圖像的上下左右不同方向上邊界的寬度，單位爲 px
borderType, # 邊界填充方式
value # 邊界填充值（如果填充方式是BORDER_CONSTANT）
)
2、圖像算術運算
# 圖像混合，OpenCV中的加法是一個飽和操作，到達峯值255後就處於峯值不變（numpy中超過峯值後會對峯值取餘）
cv.add(src1, src2, dst, mask, dtype)
# 加入權重後的圖像混合，dst=α⋅img1+β⋅img2+γ，
cv.addWeighted(src1, alpha, src2, beta, gamma, dst, dtype)
這裏給出一個圖像位操作的實例，目標是將一張圖像的一個logo摳出來，放到另一張圖像中（指定像素位置的替換操作）。不能直接用加法，因爲會改變像素的值；也不能用混合，會產生透明度。
像素級別的替換操作的思路是：先得到ROI-logo的掩碼，然後摳出logo，將目標位置掏空，然後做加法操作。
# Load two images
img1 = cv.imread('target.jpg')
img2 = cv.imread('logo.png')
# I want to put logo on top-left corner, So I create a ROI
rows, cols, channels = img2.shape
roi = img1[0:rows, 0:cols]
# Now create a mask of logo and create its inverse mask also
img2gray = cv.cvtColor(img2,cv.COLOR_BGR2GRAY)
ret, mask = cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY) # 置爲二值圖，大於閾值置爲255（白），用於得到logo(非logo位置全爲0)
mask_inv = cv.bitwise_not(mask) # mask反轉，與logo對應的位置爲0（給logo留出位置）
# Now black-out the area of logo in ROI
img1_bg = cv.bitwise_and(roi, roi, mask = mask_inv) # 目標圖像中與logo對應的位置騰出來
# Take only region of logo from logo image.
img2_fg = cv.bitwise_and(img2, img2, mask = mask) # 像素與操作，根據mask摳出logo
# Put logo in ROI and modify the main image
dst = cv.add(img1_bg,img2_fg) # 相加，注意這裏 ROI 的logo位置已經被掏空了（均爲0），直接相加不會改變logo像素值
img1[0:rows, 0:cols ] = dst # 合併到目標圖像
cv.imshow('res',img1)
cv.waitKey(0)
cv.destroyAllWindows()
cv.bitwise_and(img1, img2,mask)
像素與操作，三個參數的尺寸是一樣的，mask中爲0的位置在輸出圖像中也爲0，非0位置在輸出圖像中的像素值是img1、img2對應位置像素的與操作（這其實就是摳圖）。
最終的效果如下（左邊是logo掩碼）：
3、處理性能與優化
OpenCV中對圖像處理、像素計算等做了很多優化（例如SSE2、AVX等），優化開啓與否直接影響到程序執行的性能；它也提供了一些監測模塊（例如time）來幫助觀測代碼的性能。
time 模塊：可以給出代碼執行所耗時間；
profile 模塊：可以給出代碼執行的詳細報告，例如函數佔用的時間、調用次數等。
# 時間監測
e1 = cv.getTickCount() # 返回在一個引用事件(例如程序開始運行的時刻)之後到調用此函數的時刻的時鐘週期數，其實就是這個時候的時間點
### your code execution ###
e2 = cv.getTickCount()
time = (e2 - e1)/ cv.getTickFrequency() # cv.getTickFrequency()返回時鐘週期的頻率，或每秒時鐘週期的數量。
# 優化處理
cv.useOptimized() # 查看是否開啓優化
cv.setUseOptimized(False) # 設置是否開啓優化，True爲啓動，False爲關閉
通常情況下，OpenCV的處理速度比numpy快得多，所以相同的操作儘量用OpenCV來實現（當然，這也並不是絕對的）。