OpenCV for Python 学习第一天：图像的基础操作（读取、展示、保存）

我们都知道，OpenCV能够帮助我们处理视频和图像，咱们在图像处理中，除了Pillow库之外，最经常用到的也是它了。那么现在咱们就正式入坑OpenCV for Python，一起来感受一下OpenCV的魅力吧！

读取图像 imread()

OpenCv提供了一种cv2.imread的方法来读取图像。记忆方法也很简单image+read=imgread。我们可以使用这个函数读取多种静态图像。

一般来说，我们在括号内加入我们所要读取图片的地址就可以了。这个地址既可以是计算机的绝对地址，也可以是相对于咱们程序所在地的相对地址。

除此之外呢，我们还有一个可选的参数，对于普通的开发者来说，平时一般并不会用到这样的参数传入。那么这里咱们就简单介绍几个，详细内容大家可以看看OpenCV官网。

1. cv2.IMREAD_UNCHAGE
   顾名思义，这个参数就是咱们保持图像原格式不变，它所对应的数值是-1，也就是说，在传参的时候，我们既可以传上面的那么一大串英文字母，也可以传-1这个值。我们要注意的是，当我们不传参的时候，OpenCV会直接将我们的图片调整成为3通道的BGR图像

   BGR通常是指一种颜色表示方式，即以蓝色（Blue）、绿色（Green）、红色（Red）的顺序来描述图像或像素的颜色值。在计算机图形学、计算机视觉、数字图像处理等领域常常使用BGR表示颜色，也是OpenCV等计算机视觉库中默认的颜色表示方式。

   如果我们是在OpenCV中处理的话，出于对兼容性和实现的方便考虑，咱们使用BGR的图像可能会更方便一些。

2. cv2.IMREAD_GRAYSCALE
   在使用程序时，我们可能会要对图片进行灰度处理。灰度处理是将彩色图像转为灰度图像的过程。灰度图像只有一个通道，代表亮度信息，而彩色图像有3个通道，分别代表红、绿、蓝三种颜色，每种颜色的亮度信息不同。那么我们也可以使用数值0传入。

   灰度处理的意义主要有以下几点：

   1. 简化图像：把彩色图像转为灰度图像，可以降低图像的复杂度，减少计算量，方便后续算法的实现。

   2. 分析物体：对于一些物体的特征，如纹理、形状、边缘等，可以通过灰度图像来提取和分析，比如在图像识别、目标跟踪、行人检测等方面被广泛应用。

   3. 去除噪声：在一些图像处理任务中，如图像增强、去噪等，通过灰度处理可以更好地去除图像的噪声，从而提高图像质量。

   也就是说，我们只需要几行代码就能完成灰度值的一个转换。

   import cv2
   
   img = cv2.imread("./1234.jpg",0)
   cv2.imwrite("test.jpg",img)