学习获取和修改像素点的值，ROI感兴趣区域，通道分离合并等基本操作等。
图像基本操作
1、目标
访问和修改图片像素点的值
获取图片的宽、高、通道数等属性
了解感兴趣区域ROI
分离和合并图像通道
2、获取和修改像素点值
我们先读入一张图片：
通过行列的坐标来获取某像素点的值，对于彩色图，结果是B,G,R三个值的列表，对于灰度图或单通道图，只有一个值：
还记得吗？行对应y，列对应x，所以其实是img[y, x]，需要注意噢(●ˇ∀ˇ●)。容易混淆的话，可以只记行和列，行在前，列在后。
修改像素的值也是同样的方式：
注意：这步操作只是内存中的img像素点值变了，因为没有保存，所以原图并没有更改。
3、图片属性
img.shape 获取图像的形状，图片是彩色的话，返回一个包含行数（高度）、列数（宽度）和通道数的元组，灰度图只返回行数和列数：
img.dtype 获取图像数据类型：
img.size 获取图像总像素数：
4、ROI
ROI：Region of Interest，感兴趣区域。什么意思呢？比如我们要检测眼睛，因为眼睛肯定在脸上，所以我们感兴趣的只有脸这部分，其他都不care，所以可以单独把脸截取出来，这样就可以大大节省计算量，提高运行速度。
只关心脸( ╯□╰ )
截取ROI非常简单，指定图片的范围即可（后面我们学了特征后，就可以自动截取辣，(ง •_•)ง）：
5、通道分割和合并
彩色图的BGR三个通道是可以分开单独访问的，也可以将单独的三个通道合并成一副图像。分别使用cv2.split()和cv2.merge()：
split()函数比较耗时，更高效的方式是用numpy中的索引，如提取B通道：
6、小结
img[y,x]获取/设置像素点值，img.shape：图片的形状（行数、列数、通道数）,img.dtype：图像的数据类型。
img[y1:y2,x1:x2]进行ROI截取，cv2.split()/cv2.merge()通道分割/合并。更推荐的获取单通道方式：b = img[:, :, 0]。
7、练习
打开lena.jpg，将帽子部分（高：25~120，宽：50~220）的红色通道截取出来并显示。
引用
本节源码 http://t.cn/EtYJ9u8
Basic Operations on Images http://t.cn/EtYJcKN
