参考opencv官方文档OpenCV: Basic Operations on Images
加载图像，常用的方式是imread()函数，这个函数会返回一幅图像，而这个图像是一个数组，会根据imread()输入参数的不同，可能是一个三维数组或者二维数组。
numpy是经过优化了的进行快速矩阵运算的包，其中numpy.array结构针对数组操作有很好的优化，它可以允许bulk（块）操作，这些操作经常会在图像的处理上用到。
1.获取像素并修改像素
import cv2
import numpy
img = cv2.imread('MY_PIC.jpg')
px=img[100,100]
print(px)
blue = img[100,100,0]
print(blue)
img[101,101]=[255,255,255]
print(img[101,101])
numpy是经过优化了的进行快速矩阵运算的包，所以不推荐逐个获取像素值并修改能矩阵运算就不要用循环。例如前5行的后3列，用numpy的array.item()和array.itemset()会更好。但是返回是标量，如果想获得所有RGB的值，需要使用array.item()分割.
print(img.item(10,10,2))
img.itemset((10,10,2),100)
print(img.item(10,10,2))
2.获取图像属性
img.shape 获得图像的形状，返回值是一个包含行数，列数，通道数的元组
img.size可以返回图像的像素数目
img.dtype返回图像的数据类型，在debug时很重要，因为OpenCV-Python代码中经常出现数据类型的不一致
3.对图像的特定区域操作。ROI是使用numpy索引来获得的
例：选择球的部分并拷贝到其他区域
ball = img[280:340, 330:390]
img[40:40,50:50]=ball
4.拆分及合并图像通道
有时需要拆分BGR为单个通道，对BGR三个通道分别操作。有时需要把独立的通道的图片合成一个BGR。
b,g,r = cv2.split(img)
img = cv2.merge((b,g,r))
#拆分b通道
b = img[:,:,0]
# 假如想使所有红色通道值都为0，不必拆分再赋值，可以使用numpy索引，这样更快
img[:,:,2]=0
PS：cv2.split()是比较耗时的操作，能用numpy就尽量使用。
5.为图像扩边（填充）
想为图像周围建一个边可以使用cv2.copyMakeBorder()函数。这经常在卷积运算或0填充时被用到。具体参数如下：
5.1 src输入图像
5.2 top,bottom,left,right对应边界的像素数目
5.3 borderType要添加哪种类型的边界：
5.3.1 cv2.BORDER_CONSTANT添加有颜色的常数值边界，还需要下一个参数（value：边界颜色）
5.3.2 cv2.BORDER_REFLIECT边界元素的镜像。例如：fedcba | abcdefgh | hgfedcb
5.3.3 cv2.BORDER_101或者cv2.BORDER_DEFAULT跟上面一样，但稍作改动，例如：gfedcb | abcdefgh | gfedcba
5.3.4 cv2.BORDER_REPLICATE复后一个元素。例如: aaaaaa| abcdefgh|hhhhhhh
5.3.5 cv2.BORDER_WRAP 就像这样: cdefgh| abcdefgh|abcdefg
运行结果图：
