numpy.array类对数组的操作进行了极大的优化，它允许某些类型的批量操作，而这些操作在普通的python列表中是不可用的。这些类型的numpy.array都是opencv中特定于数组类型的操作，对于图像操作来说很方便。

import cv2

img = cv2.imread('010.jpg')
img[0,0] = [255,255,255]
cv2.imwrite('001.jpg',img)

上述图片是将坐标（0，0）的点转化为白色，不过这里笔者使用的图片本身不太明显也就没有加上

import cv2

img = cv2.imread('010.jpg')
img[: ,: ,1] = 0
cv2.imwrite("011.jpg",img)

这一块则是程序从所有行、列中获取所有像素，并把绿色值（在BGR数组的一个索引处）设置为0，通过下面的图片可以看到绿色已经完全消失了。 

 如果要修改某一特定像素的蓝色值，还可以使用item方法，它有三个参数：x(或者left)位置，y(或者top)位置以及数组中（x,y）位置的索引（在BGR图像中，某个特定位置处的数据是一个三元数组，包含按照BGR顺序排列的值），并返回索引位置的值。另一个方法itemset可以将某一特定像素的特定通道的值设置为指定的值。itemset有两个参数：三元组（x,y和索引）以及新值。

import cv2

img = cv2.imread('010.jpg')
img.itemset((200,340,0),255)
print(img.item((200,340,0)))
cv2.imwrite("011.jpg",img)

通过NumPy的数组切片操作，我们可以定义感兴趣区域（Region Of Interset,ROI），并对此区域进行一系列操作。

import cv2

img = cv2.imread('010.jpg')
my_roi = img[0:100,0:100]
img[300:400,300:400] = my_roi  #注意两个区域大小必须保持一致
cv2.imwrite("011.jpg",img)

效果如下：

 最后则是学习numpy.array的属性

import cv2

img = cv2.imread('010.jpg')
print(img.shape)
print(img.size)
print(img.dtype)

 三个属性定义如下：

1. shape:描述数组形状的一个元组。对于图像，它（依次）包括高度、宽度、通道数（如果是彩色图像）。shape元组的长度是确定图像是灰度还是彩色的一种有用方法。对于灰度图像，len(shape)==2，对于彩色图像，len(shape)==3。
2. size:数组中的元素数。对于灰度图像，这和像素数是一样的。对于BGR图像，他是像素数的3倍，因为每个像素都由3个元素（B、G和R）表示。
3. dtype:数组元素的数据类型。对于每个通达8位的图像，数据类型是numpy.uint8.