numpy是一款非常优秀的处理多维数组的Python基础包。在现实中，我们最经常接触的多维数组相关的场景就是图像处理。本系列将通过若干篇对图像处理相关的探讨，来介绍numpy的使用方法，以获得直观的体验。
本系列使用的照片使用的是RGBA色彩空间模型，即一个像素点，要通过R（Red红色）、G（Green绿色）、B（Blue蓝色）和A（Alpha通道）组成。前三种三原色比较好理解，即一个颜色可以通过红绿蓝三种颜色组成；Alpha则是代表透明度，0代表完全透明，255代表完全不透明，中间的数值则代表相应程度的半透明。
可以看到Alpha 255的图片，背景是白色的，且是不透明的；而Alpha 0背景区域是完全透明。
一张图片，我们看成是一个像素组成的二维数组；
如果每个像素用RGBA表示，则演变成一个三维数组。只是之前的每个元素变成了一个长度为4的维度。
准备工作
下面是一张960*1536，背景色是白色，完全不透明的图片------example.png。后面我们将针对这张图片做相关处理。
为了能读取图片，我们需要安装另外一个python包
bash
pip3 install pillow图片像素大小
如果翻译成numpy相关的知识，就是获取数组的大小。这儿我们要使用shape属性。
python
from PIL import Image
import numpy as np
img = Image.open('example.png')
data = np.array(img)
print(data.shape)(960, 1536, 4)
可以见得我们将图片变成了一个3维数组：960表示高度，1536表示宽度，4表示深度。
修改透明度
如果翻译成numpy相关的知识，就是修改数组中第三个维度（RGBA）的第四个位置（A）的值。
python
from PIL import Image
import numpy as np
img = Image.open('example.png')
data = np.array(img)
data[:,:,3]= 32
newImg = Image.fromarray(data)
newImg.save('alpha32.png')上面代码将Alpha通道值改成了32，即一种半透明状态。
代码的第6行，第一个":"表示所有的第一维度（高），第二个":"表示所有的第二维度（宽），3表示Alpha通道所在的RGBA中的下标。
这种写法，比逐个遍历数据要方便的多。
