一、视频读取**-**摄像头读取
cap.get(propId)访问视频的一些功能，propId是0-18之间的数字。
每个数字表示视频得到属性，cap.set(propId, value)可以进行修改，value是新值
例如：
cap.get(cv.CAP_PROP_FRAME_WIDTH)) #读取视频宽度 cap.get(cv.CAP_PROP_FRAME_HEIGHT) #读取视频的高度
ret = cap.set(cv.CAP_PROP_FRAME_WIDTH,320) # 修改视频宽度为320ret = cap.set(cv.CAP_PROP_FRAME_HEIGHT,240) #修改视频高度为240
二、视频写入到文件
VideoWriter('output.avi', fourcc, 20.0, (640, 480))5个参数：
1.文件路径，文件名称（默认路径情况下，也就是当前目录下）。
2.fourcc：四个字符用来表示压缩帧的codec，可选参数如下：
CV_FOURCC('P','I','M','1') = MPEG-1 codec
CV_FOURCC('M','J','P','G') = motion-jpeg codec
CV_FOURCC('M', 'P', '4', '2') = MPEG-4.2 codec
CV_FOURCC('D', 'I', 'V', '3') = MPEG-4.3 codec
CV_FOURCC('D', 'I', 'V', 'X') = MPEG-4 codec
CV_FOURCC('U', '2', '6', '3') = H263 codec
CV_FOURCC('I', '2', '6', '3') = H263I codec
CV_FOURCC('F', 'L', 'V', '1') = FLV1 codec
3.fps：被创建视频流的帧率
4.frame_size：视频流的大小
5.isColor：如果为True则每一帧为彩色图，否则为灰度图，默认为True
三、访问和修改像素值
python
>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')
>>> px = img[100,100]
>>> print( px )
[157 166 200]
# 仅访问蓝色像素
>>> blue = img[100,100,0]
>>> print( blue )
157
>>> img[100,100] = [255,255,255]
>>> print( img[100,100] )
[255 255 255]可以通过行和列坐标来访问像素值。
对于 BGR 图像，它返回一个由蓝色、绿色和红色值组成的数组。
对于灰度图像，只返回相应的灰度。
python
>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')
# 访问 RED 值
>>> img.item(10,10,2)
59
# 修改 RED 值
>>> img.itemset((10,10,2),100)
>>> img.item(10,10,2)
100**item(a,b)**函数的功能是索引出要访问的图像的某个像素点。函数返回要索引的像素点的值。函数有两个参数，第一个参数是像素点的行，第二个参数是像素点的列。
itemset((a,b),c) 函数用来修改指定像素点的像素值。本函数直接在原图像上修改，不返回任何值。 函数有两个参数，第一个参数是要修改的像素点，第二个参数是要修改的像素的值。
四、访问图像属性
python
>>> import numpy as np
>>> import cv2 as cv
>>> img = cv.imread('messi5.jpg')
>>> print( img.shape ) #行，列，通道数的元祖
(342, 548, 3)
>>> print( img.size ) #像素总数
562248
>>> print( img.dtype ) #图像数据类型
uint8图像属性包括行数，列数和通道数，图像数据类型，像素数等。
五、**图像感兴趣的区域ROI（**region of interest）
选择球并将其复制到图像中的另一个区域：
python
>>> ball = img[280:340, 330:390]
>>> img[273:333, 100:160] = ball就像下面的图一样
六、拆分和合并图像通道
有时你需要分别处理图像的B，G，R通道。在这种情况下，你需要将BGR图像拆分为单个通道。你可能需要将这些单独的频道加入BGR图片。你可以通过以下方式简单地做到这一点：
python
>>> b,g,r = cv.split(img) 或者
python
>>> b = img [:, :, 0]>>> img = cv.merge((b,g,r)) # 切分完之后可进行组合
七、边界填充**-**为图像设置边框
目的：在图像的周围创建边框，使用cv.copyMakeBorder() 函数。在卷积运算，零填充等方面有很多应用。此函数参数如下：
src - 输入图像
top，bottom，left，right边界宽度（以相应方向上的像素数为单位）
borderType- 定义要添加哪种边框的标志。它可以是以下类型：
cv.BORDER_CONSTANT - 添加恒定的彩色边框。该值应作为下一个参数给出。
cv.BORDER_REFLECT - 边框将是边框元素的镜像，如下所示： fedcba | abcdefgh | hgfedcb
**cv.BORDER_REFLECT_101**或 **cv.BORDER_DEFAULT**与上述相同，但略有变化，例如： gfedcb | abcdefgh | gfedcba
**cv.BORDER_REPLICATE**最后一个元素被复制，像这样： aaaaaa | abcdefgh | hhhhhhh
**cv.BORDER_WRAP**难以解释，它看起来像这样： cdefgh | abcdefgh | abcdefg
value-边框的颜色，如果边框类型为**cv.BORDER_CONSTANT**
如下代码：
python
top_size,bottom_size,left_size,right_size = (50,50,50,50)
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size,cv2.BORDER_CONSTANT, value=0)可视化展示：
python
import matplotlib.pyplot as plt
plt.subplot(231), plt.imshow(img, 'gray'), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')
plt.show()是这样的效果:
简单来说：
-
BORDER_REPLICATE：复制法，也就是复制最边缘像素。
-
BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcba|abcdefgh|hgfedcb
-
BORDER_REFLECT_101：反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba
-
BORDER_WRAP：外包装法abcdefgh|abcdefgh|abcdefgh
-
BORDER_CONSTANT：常量法，常数值填充。
有趣有趣~