从一副图像中利用阈值分割出我们需要的物体部分（当然这里的物体可以是一部分或者整体）。这样的图像分割方法是基于图像中物体与背景之间的灰度差异，而且此分割属于像素级的分割。

OpenCV-Python图像的翻转使用flip()函数翻转一个二维的矩阵，包含垂直翻转，水平翻转，以及垂直水平翻转。

调整图像大小意味着改变它的尺寸，无论是宽度、高度还是两者都改变​​。此外，原始图像的纵横比可以保留在调整大小的图像中。为了调整图像大小，OpenCV 提供了 resize() 函数。

OpenCV-Python图像类型转换是用cv2.cvtcolor()函数，用于将图像从一个颜色空间转换为另一个颜色空间。它的参数包括输入图像、目标颜色空间和转换方式。例如，将RGB图像转换为灰度图像可以使用cv2.COLOR_RGB2GRAY作为转换方式。

OpenCV-Python图像融合

OpenCV-Python图像加法有两种方式，一种是直接使用+号进行相加，一种是cv2.add函数进行加法运算，但是两种加法的计算方式有差别，+运算是取模运算，cv2.add用的则是饱和运算，所进行相加后图片的样式会有一定的差别。

OpenCV-Python图像通道的拆分和合并，主要介绍两个函数：一、拆分通道使用函数cv2.split；二、合并通道使用函数cv2.merge，但是一定要注意合并通道的顺序问题，OpenCV是GBR，不是RGB，如果顺序不是GBR，合并出来的图像就会出现颜色问题，与原图的颜色就不一致了.

有时我们只对一张图像中的部分区域感兴趣，而原图像又比较大，如果带着非感兴趣区域一起处理会占用大量的内存，因次我们希望从原图像中截取部分图像后再进行处理。我们将这个区域称为感兴趣区域（Region Of Interest， ROI），Python中的ROI可以通过NumPy中的索引实现。

图像都是由像素点构成的，图像分类： 1、二值图像（任意一个像素只能是0或1）； 2、灰度图像（任意一个像素值都在0~255）； 3、RGB图像（任意一个像素是（R,G,B）构成的）,但是OpenCV是默认颜色通道是BGR.

OpenCV-Python获取图象属性。shape:如果是彩色图像，则返回包含行数，列数，通道数的数组；如果是二值图像或灰度图像，则仅返回行数和列数。通过其返回值是否包含通道值，可以判断图像是灰度图像还是彩色图像。size:返回图像的像素数目。其值为“行✖列✖通道数”，灰度图像或者二值图像的通道数为1。dtype:返回图像的数据类型。ndim：查看图像的维数，彩色图像的维数为 3，灰度图像的维数为 2。

OpenCV-Python读取、显示和保存图片，主要介绍如下函数的使用：imread、imshow、imwrite。读取图片使用imread函数，注意：opencv读取图片，默认颜色通道是BGR，而不是RGB。使用imshow函数即可，第一个参数表示窗口名称，第二个参数就是要显示的图像。保存图片使用imwrite函数， 第一个参数为要保存的路径和名称，第二个参数为图片，最后一个参数为可选项。

OpenCV-Python创建和显示窗口功能，主要介绍与窗口相关的函数，如：namedWindow、resizeWindow、imshow、waitKey。使用opencv创建窗口，需要用到namedWindow函数,上面的函数第一个参数为窗口名称，第二个为窗口的属性。创建窗口后设置窗口大小，设置窗口大小要使用resizeWindow，如果namedWindow函数第二个参数使用了WINDOW_AUTOSIZE，那么窗口不能进行修改大小了.

OpenCV-Python是OpenCV的Python API，集成了Python语言和C++语言的最优特征，致力于支持Python解决计算机视觉问题。本节主要介绍OpenCV-Python的安装.

OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉处理开源软件库，是由Intel公司俄罗斯团队发起并参与和维护，支持与计算机视觉和机器学习相关的众多算法，以BSD许可证授权发行，可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序，该程序库也可以使用英特尔公司的IPP进行加速处理。

opencv 是用于快速处理图像处理、计算机视觉问题的工具，支持多种语言进行开发如c++、python、java等。本教程所有示例基于opencv-python，使用python语言对数字图像进行处理和研究。