基礎說明
什麼是像素
每個圖像都由一組像素組成。 像素是圖像的原始構建塊。沒有比像素更小的單位了。
通常，我們將像素視為出現在圖像中給定位置的光的“顏色”或“強度”。
如果我們將圖像視為網格，則網格中的每個方塊都包含一個像素。
例如，假設我們有一個分辨率為500×300的圖像。這意味著我們的圖像表示為像素網格，有500行和300列。總體而言，我們的圖像總共有 500×300 = 150,000像素。
大多數像素以兩種方式表示：灰度(grayscale)和彩色(color)。在灰度圖像中，每個像素具有0到255之間的值，其中0對應於“黑色”而255對應於“白色”。 0到255之間的值是不同的灰色陰影，其中，接近0的更加的darker，接近於255更加的lighter。
彩色通常以RGB顏色空間表示，one value for the Red component,one for Green,and one for Blue。
RGB中的每一種都由0到255範圍內的整數表示，這表示顏色的“多少”。像素值只需要在[0,255]範圍內，我們通常使用8位無符號整數來表示每種顏色強度。
然後，我們將這些值組合成圖形中的RGB(紅色，綠色，藍色）元組(tuple)。 這個元組就代表我們的顏色。
為了構建一個白色，我們將完全填充每個紅色，綠色和藍色 buckets，如下所示:(255,255,255）。為了創建一個黑色，我們將每個bucket都清空：(0,0,0) ，為了創造一種純紅色，我們將完全填滿紅色的bucket：(255,0,0）。
coordinate system(座標系統)
如上所述，圖像表示為像素網格。 想象一下我們的網格作為一張方格紙。 使用該方格紙，點(0,0）對應於圖像的左上角。 當我們向下和向右移動時，x和y值都會增加。(Python語言是零索引的，這意味著我們總是從零開始計數。)，看下圖：
字母“I”放在一張圖紙上.像素是通過他們的(x，y）座標訪問的，我們向右走x列，向下走y行(因為x是橫座標，y是縱座標)，記住Python是零索引的：我們從零而不是一開始計數。
代碼
from __future__ import print_function
import argparse
import cv2
ap = argparse.ArgumentParser()
ap.add_argument('-i',"--image",required=True,
help="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)
請記住，OpenCV將圖像表示為NumPy數組。概念上，我們可以將此表示視為一個矩陣。為了訪問像素值，我們只需要提供我們感興趣的像素的x和y座標。但是，重要的是要注意OpenCV以相反的順序存儲RGB channels。 雖然我們通常用Red，Green和Blue(RGB)來思考，但OpenCV實際上按Blue，Green和Red的順序存儲它們(BGR)。如下面的代碼：
(b,g,r) = image[0,0]
print("Pixel at (0,0) - Red:{}, Green： {}， Blue: {}".format(
r,g,b))
image[0,0] = (0,0,255)
(b,g,r) = image[0,0]
print("Pixel at (0,0) - Red: {} , Green: {}, Blue: {}".format(r,
g,b))
解釋：
我們首先抓取圖像的左上角的像素，即(0,0)的位置。 這個像素表示為元組.同時，OpenCV以相反的順序存儲RGB像素，因此當我們解包並訪問元組中的每個元素時，我們實際上是以BGR順序查看它們。然後我們將像素RGB顏色打印出來。
接下來，我們操縱圖像中的左上角像素，該像素位於座標（0,0）處，並將其設置為(0,0,255)。 如果我們以RGB格式讀取這個像素值，我們的紅色值為0，綠色值為0，藍色值為255，因此使其成為純藍色。但是，正如我上面提到的，在使用OpenCV時我們需要特別注意。 我們的像素實際上以BGR格式存儲，而不是RGB格式。我們實際上將這個像素讀為255為紅色，0為綠色，0為藍色，使其成為紅色，而不是藍色。
corner = image[0:100,0:100]
cv2.imshow("Corner",corner)
image[0:100,0:100] = (0,255,0)
cv2.imshow("Updated",image)
cv2.waitKey(0)
解釋：
接下來我們使用NumPy的數組切片功能來訪問圖像的較大矩形部分。為了訪問圖像較大的部分，Numpy希望我們提供四個索引值，分別是Start y,End y,Start x以及End x。
最後，運行程序即可。
效果圖：
點擊圖片部分，按鍵盤任意鍵結束腳本。
完整的代碼
from __future__ import print_function
import argparse
import cv2
ap = argparse.ArgumentParser()
ap.add_argument('-i',"--image",required=True,
help="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)
(b,g,r) = image[0,0]
print("Pixel at (0,0) - Red:{}, Green： {}， Blue: {}".format(
r,g,b))
image[0,0] = (0,0,255)
(b,g,r) = image[0,0]
print("Pixel at (0,0) - Red: {} , Green: {}, Blue: {}".format(r,
g,b))
corner = image[0:100,0:100]
cv2.imshow("Corner",corner)
image[0:100,0:100] = (0,255,0)
cv2.imshow("Updated",image)
cv2.waitKey(0)
更多參考我的博客：https://0leo0.github.io/2018/OpenCV_python3_02.html
閱讀更多 lovesLife 的文章
