圖像基本操作
． 當讀取完一個圖像之後，可以直接通過橫縱座標來返回該像素點的rgb值：
img = cv2.imread('kkxj.jpg')
px = img[100,100]
print(px)
#還可以通過第三個值選擇只打印某個通道的值
blue = img[100,100,0]
print(blue)
#還可以直接更改像素點的值
img[100,100] = [0,0,0]
print(img[100,100])
#以上方法可以通過函數item()和itemset()實現,但是都只能獲取或設置單通道的值
print(img.item(100,100,1))
img.itemset((100,100,2),100)
#顯示圖片信息(行，列，通道數（如果是彩色的話）)
print(img.shape)
#打印像素點個數
print(img.size)
#打印圖像數據類型
print(img.dtype)
#選取部分圖像,前者時縱向長度，後者時橫向長度
ball = img[100:150,200:230]
#區域賦值
img[100:110,100:150] = ball
#圖像的bgr通道可以分開獲得
b,g,r = cv2.split(img)
b = img[:,:,0] #推薦
#也能合併起來組成圖像
img = cv2.merge((b,g,r))
爲圖像設置邊框
． 可以使用cv2.copyMakeBorder() 來爲圖像添加邊框，這個函數還在卷積運算，零填充等方面有更多應用。函數包含7個參數第一個是輸入的圖像，接着的四個分別是上下左右四個邊框的像素寬度，第六個參數是邊框類型標誌，它的值決定最後一個參數是否需要給出，其值如下:
| 類型 | 描述 |
|---|---|
| cv2.BORDER_CONSTANT | 添加恆定的彩色邊框，需要指定最後一個參數（邊框顏色） |
| cv2.BORDER_REFLECT | 邊框將邊框元素進行鏡面反射，比如fedcba|abcdefgh|hgfedcb,中間被兩邊做鏡像反射 |
| cv2.BORDER_REFLECT_101 (cv2.BORDER_DEFAULT) | 與上訴類似，不過會拋棄末尾的值，比如fedcb|abcdefgh|gfedcb |
| cv2.BORDER_REPLICATE | 末尾的值被複制，比如aaaaaa|abcdefgh|hhhhhh |
| cv2.BORDER_WRAP | 無法解釋（？？？） |
img = cv2.imread('kkxj.jpg')
#加藍色框
constant = cv2.copyMakeBorder(img,10,10,10,10,cv2.BORDER_CONSTANT,value = [255,255,0])
cv2.imshow('f',constant)
cv2.waitKey(0)
cv2.destroyAllWindows()
圖像上的算術運算
覆蓋
． 圖像的加法可以使用opencv帶的函數cv2.add() 或是使用numpy操作，兩張圖片應該具有相同的深度和類型，或是其中一張都是標量值。不過add方法和unmpy操作的結果會有所不同：
x = np.uint8([250])
y = np.uint8([10])
print cv2.add(x,y) # 250+10 = 260 => 255
print x+y # 250+10 = 260 % 256 = 4
． 前者得出的值是[[255]]，後者得到的是取模運算後的值[4]。
圖像融合
． 這也是圖像的加法，不過是帶權的，這樣就給人一種融合的感覺，使用cv2.addWeighted() 給兩張圖像分配權重（0-1）：
img1 = cv2.imread('img1.png')
img2 = cv2.imread('img2.jpg')
dst = cv2.addWeighted(img1,0.7,img2,0.3,0)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
位運算
． 位運算在做提取圖像的某些區域的操作的時候會很有用，如果直接使用add，會改變圖象的色彩，如果使用融合，會讓圖像變得有透明感，並且提取的區域可以不受形狀限制。
img1 = cv2.imread('kkxj.jpg')
img2 = cv2.imread('fire.png')
#將img2放在左上角
row,col,channel = img2.shape
roi = img1[0:row,0:col]
img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY) #灰度化
#二值化，第二個參數是閾值，cv2.THRESH_BINARY表示原圖像像素點的值大於閾值就置爲第三個參數的值
ret,mask = cv2.threshold(img2gray,10,255,cv2.THRESH_BINARY)
#像素點按位取反
mask_inv = cv2.bitwise_not(mask)
#第一個參數和第二個參數相同，就相當於和第三個參數的圖片做按位與操作，
#這裏相當於摳了個黑色凹槽
img1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv)
#相當於摳出來的插件
img2_fg = cv2.bitwise_and(img2,img2,mask = mask)
#將插件插入插槽
dst = cv2.add(img1_bg,img2_fg)
#覆蓋原圖像的部分區域
img1[0:row,0:col] = dst
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
性能測試與提高
衡量性能
． cv2.getTickCount函數返回指定的事件（比如開機）後到調用該函數經過的時間週期數，因此可以通過在某個函數開始前和結束後調用getTickCount函數獲得這個函數的執行時間。
． cv2.getTickFrequency函數返回時鐘週期的頻率，因此可以通過以下方式獲得函數執行時間：
e1 = cv2.getTickCount()
...
e2 = cv2.getTickCount()
time = (e2 - e1)/ cv2.getTickFrequency()
Opencv的默認優化功能
． 很多opencv函數都使用SSE2、AVX等指令集來實現優化，所以當系統支持這些功能的時候，應該加以使用，當然，opencv也是包含沒有使用優化的代碼的，因此，如果opencv啓用優化功能，將在運行的時候使用優化代碼，否則使用未優化代碼。
． 可以使用cv2.useOptimized() 函數來檢查是否啓用了優化功能，使用cv2.setUseOptimized() 函數來手動啓用或是禁用優化功能。使用與不使用通常會有明顯的性能區別。