这一部分主要讲解如何初步地创建一个图像，以及彩色图像我们的一些基本处理方法
一、创建一个灰度图像
1-1、zeros()函数 [NumPy库]
要用到这一个函数，首先我们需要调用我们的NumPy库，这一个函数的作用是可以帮助我们生成一个元素值都是0的二维数组，如果我们把这些数据放到一张图片里面去，那么就对应着我们的一个黑色图像。当然我们也可以通过修改数组中的数字大小来改变图像的颜色（但还是灰度图像）
（1）构成
该函数的具体构成如下：
numpy.zeros(shape, dtype=float, order='C') shape：即我们需要设置的二维数组（元组或者列表）的大小
dtype：即我们需要设置的元组里面的数据的类型，一般默认为float；当然我们也可以变为其他（比如我们的int，bool）；当然实际在写的时候可以不写dtype = ~~
order：这个跟存储有关，暂且不做介绍（因为我也不知道哈）
1-2、生成
（1）正确示范：
import cv2
import numpy as np
img = np.zeros((80,80),dtype=np.uint8)
img[40,40] = 255
cv2.imshow("one",img)
cv2.waitKey()
cv2.destroyAllWindows() 于是我们生成的图像如下：
可以看到我们在中间生成了一个白点
此外我们也可以使用切片来帮助我们更好地进行操作
（2）可能会错误的操作
1、没有 np. 前缀
这个现象代码如下：
img = np.zeros((80,80),uint8)为什么直接写uint8不可以呢，因为python里面是没有内置这些数据类型的，这些数据类型只在NumPy里面有，所以如果我们想要去引用这些数据类型我们需要加上我们的np.前缀：(前面已经设置NumPy为np了)
img = np.zeros((80,80),np.uint8)
2、直接使用int
这个现象的代码如下：
img = np.zeros((80,80,80),dtype=int) opencv不支持 CV_16F（16 位浮点数）和 CV_32S（32 位有符号整数）这两种数据类型，但是这里的int是默认为32 位有符号整数，故系统会报错
二、彩色图像的简单处理
1-1、基础知识
在opencv中的彩色图像是以BGR模式的三维数组的形式进行存储的，例如：
img = [0,0,0]第一个0指第0行；第二个0指0列；第三个0指的是第0个颜色通道（B，蓝色）
0、1、2分别对应BGR（蓝色、绿色、红色）
1-2、简单的颜色修改
例如我们现在还是采用如下图片：
我们可以进行如下操作：
import cv2
img = cv2.imread("D:\\photo\\mountain.png")
img[300:440 , 0:100 , 0:3] = 255
cv2.imshow("one",img)
cv2.waitKey()
cv2.destroyAllWindows()由于我们现在是彩色图像采取的是BGR三通道，那么我们这里的操作就是把300行到440行，0列到100列的三个通道全部设置为255，即我们的每个像素点的三个通道的值为（255，255，255）具体显示出来的结果如下;
当然我们还可以这么处理：
import cv2
img = cv2.imread("D:\\photo\\mountain.png")
img[300:440 , 0:100 ] = (0,0,255)
img[300:440 , 100:200 ] = (0,255,0)
img[300:440 , 200:300 ] = (255,0,0)
cv2.imshow("one",img)
cv2.waitKey()
cv2.destroyAllWindows()这样即对每一个在我们指定区域的像素点的BGR通道进行修改，结果如下：
总结：在彩色图像中，每一个像素点都有三个通道（BGR）
1-3、通道处理
（1）通道拆分
在我们的opencv中，我们可以通过索引把我们的三个通道全部提取出来：
b = img[:,:,0]
g = img[:,:,1]
r = img[:,:,2]此时如果我们再去用cv2.imshow（）函数将其展现出来，得到的是灰度图像，因为此时你的b、g、r中的数据只是单个通道的数据了，而不是三个通道了，这里我们就不过多地去展示。
除了使用索引去拆分，我们还可以通过如下方式去拆分：
b,g,r = cv2.split(img) 这里直接分配了（2）通道合并
既然我们可以拆分，那么我们也肯定可以合并，我们需要用到这个函数：
cv2.merge([b,g,r])正如上所示，你只需要将每个通道按照上面的形式摆放就可以了，当然你也不排除你把它的顺序搞反了，那么我们就很难绷了