学习和研究计算机视觉，必然绕不开OpenCV。

于是我下载了它的C++源码，用cmake编译遇到一些错误。

然后结合网上一些帖子看源码看了好几天，发现有点不知从何处入手。

于是准备从其python版本的使用来入门。参考书籍："Learning OpenCV 3 Computer Vision with Python(Second Edition)"

1. 基本IO

1.1 读写图像文件

IMREAD_ANYCOLOR = 4

IMREAD_ANYDEPTH = 2

IMREAD_COLOR = 1

IMREAD_GRAYSCALE = 0

IMREAD_LOAD_GDAL = 8

IMREAD_UNCHANGED = -1

import cv2

# img = cv2.imread('xyc.jpg')

grayImage = cv2.imread('xyc.jpg', cv2.IMREAD_GRAYSCALE)

cv2.imwrite('xyc.jpg', grayImage)

无论采用哪种模式，imread()函数都会删除所有alpha通道的信息（透明度）

imwrite()函数要求图像为BGR格式或灰度格式，并且每个通道有一定的位，输出格式要支持这些通道。

1.2 图像与原始字节之间的转换

# numpy.random.randint(0, 256, 120000).reshape(300, 400)
# urandom()Return a string of n random bytes suitable for cryptographic use
# bytearray()方法返回一个新字节数组。这个数组里的元素是可变的，并且每个元素的值范围: 0 <= x < 256

randomByteArray = bytearray(os.urandom(120000))
# Create an array

flatNumpyArray = numpy.array(randomByteArray)

grayImage = flatNumpyArray.reshape(300, 400)

cv2.imwrite('RandomGray.png', grayImage)

bgrImage = flatNumpyArray.reshape(100, 400, 3)

cv2.imwrite('RandomColor.png', bgrImage)

1.3 用numpy.array访问图像数据

img.shape

img.size

img.dtype

img.item(150, 120, 0)

img.itemset((150, 120,0 ), 255)

img[:, :, 1] = 0将所有G值设为零

my_roi = img[0:100, 0:100]

img[300:400, 300: 400] = my_roi

1.4 视频文件的读写

读取AVI文件的帧， 并采用YUV颜色编码写入另一帧

videoCapture = cv2.VideoCapture('MyInputVid.avi')

fps = videoCapture.get(cv2.CAP_PROP_FPS)

size = (int(videoCapture.get(cv2.CAP_PROP_FRAME_WIDTH)),

            int(videoCapture.get(cv2.CAP_PROP_FRAME_HEIGHT)))

videoWriter = cv2.VideoWriter('MyOutputvid', cv2.VideoWriter_fourcc('I', '4', '2', '0'), fps, size)

success,frame = videoCapture.read()

指定视频解编码器常用选项：

cv2.VideoWriter_fourcc('I', '4', '2', '0')未压缩的YUV颜色编码，是4:2:0色度子采样。文件扩展名.avi

cv2.VideoWriter_fourcc('P', 'I', 'M', '1') MPEG-1类型编码，文件扩展名.avi

cv2.VideoWriter_fourcc('X', 'V', 'I', 'D') MPEG-4类型编码，文件扩展名.avi

cv2.VideoWriter_fourcc('T', 'H', 'E', 'O') Ogg Vorbis, 文件扩展名为.ogv

cv2.VideoWriter_fourcc('F', 'L', 'V', '1') Flash视频, 文件扩展名为.flv

1.5 捕获摄像头的帧

1.6 在窗口显示图像

1.7 在窗口显示摄像头帧

2. Cameo项目（人脸跟踪和图像处理）