import cv2
# 截取图像
img = cv2.imread("sqh.png")
img = img[100:200, 400:1000] #100-200为高 400-1000为长
cv2.imshow("cut", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 获取颜色通道
img = cv2.imread("sqh.png")  # 读取图片
b, g, r = cv2.split(img)  # 分割颜色通道
print(r.shape, g.shape, b.shape)  # 调试输出

# 单通道显示
img = cv2.imread("sqh.png")  # 读取图片
cur_img = img.copy()  # 深拷贝
cur_img[:, :, 0] = 0  # B通道设置为0
cur_img[:, :, 1] = 0  # G通道设置为0
cv2.imshow("B channel", cur_img)  # 图片展示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出
(1300, 867) (1300, 867) (1300, 867)
RGB知识补充

RGB颜色空间以R(Red:红)、G(Green:绿)、B(Blue:蓝)三种基本色为基础，进行不同程度的叠加，产生丰富而广泛的颜色，所以俗称三基色模式。

RGB空间是生活中最常用的一个颜色显示模型，电视机、电脑的CRT显示器等大部分都是采用这种模型。自然界中的任何一种颜色都可以由红、绿、蓝三种色光混合而成，现实生活中人们见到的颜色大多是混合而成的色彩。

肉眼可以识别世界上的所有颜色，而RGB几乎可以组合成世界上所有的颜色！

单通道：

俗称灰度图，每个像素点只能有一个值表示颜色，它的像素值在0到255之间，0是黑色，255是白色，中间值是一些不同等级的灰色，可以说灰度是黑与白之间的过渡色！

注意这个值不是RGB里的任何一个元素，显示设备是直接通过CRT(彩色阴极射线显像管)将单通道里的像素值显示黑白色图像，值越高黑色图越亮，一般灰度值大小不会超过125！

多通道：

多通道也就是RGB三原色，每个像素点有三个字节来表示（RGB），分别最大取值范围是0-255，可以组合成千万种颜色。

图像处理优势对比：

单通道往往应用于图像处理，因为单通道只有一个像素点(一个字节)，所以相比多通道三个字节，处理速度上要尤为的快！

而且单通道能将图像以灰度形式显示出来，不会影响图像识别，和特征提取！

多通道以原图的形式将图像展示出来，所以可以提取特征很多，识别率高！

 

# 读取视频
vc = cv2.VideoCapture("video.mp4")

# 循环
while (True):

# 读取一帧，ret为bool类型，指示是否成功读取这一帧
ret, frame = vc.read()

# 转为灰度图
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# 显示
cv2.imshow('frame', gray)

# 若没有按下q键，则每1毫秒显示一帧
if cv2.waitKey(1) & 0xFF == ord('q'):
break

# 释放
vc.release()
cv2.destroyAllWindows()