下文中的“终端”一词，在
Windows系统下指命令提示符；在类Unix系统下指terminal。——gzr
想使用 C++ 的人请点这里。
在这里介绍几个在图像处理中会用到的NumPy的使用方法。
NumPy是Python的一个包（package）（就像C中的库（library）一样），擅长进行矩阵运算。
在图像处理领域，有OpenCV这样的库，其中的API可以进行各种各样的图像处理。现在，我们将要使用NumPy来自己实现OpenCV中的功能。
由于Python中的OpenCV基于NumPy，所以可以说使用NumPy就等于使用OpenCV。
下面的例子不运行.py文件，而是直接在终端中运行。
请使用Python-3.6环境（答案也是使用Python-3.6）。
在这里下载安装 Miniconda。使用 Windows 或者 MacOS 都可以。如果已经安装 Miniconda，打开终端（在 Windows 下是命令提示符，在 MacOS 下是终端），使用以下命令创建 conda 虚拟环境：
$ conda create python=3.6 -n gasyori100激活虚拟环境：
$ source activate gasyori100如果成功的话，终端会变成这个样子：
(gasyori100) :~/work_space/Gasyori100knock/ :$ 使用以下的指令安装模块：
$ pip install numpy matplotlib opencv-python或者可以用主目录下的 requirements.txt 来完成安装：
$ pip install -r requirements.txt将下面的文件保存为 sample.py，测试运行，看能不能运行成功。
import cv2
img = cv2.imread("assets/imori.jpg")
cv2.imshow("imori", img)
cv2.waitKey(0)
cv2.destroyAllWindows()$ python sample.py如果出现了以下的图像，那么就表示成功啦！按任意的按钮窗口就会消失。
如果你不能成功地安装上面的环境，也可以使用 Google Colaboratory 在浏览器上超便捷地运行 Python！
接下来，我将解释如何使用 NumPy 进行图像处理（已经了解的人可以跳过）。
在终端上打出python。如果成功的话，会出现>>>这样的提示符。
(gasyori100) :~/work_space/Gasyori100knock/Tutorial :$ python
Python 3.6.7 |Anaconda, Inc.| (default, Oct 23 2018, 14:01:38)
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> 现在，我们导入包。
我们将OpenCV使用import cv2导入；NumPy使用 import numpy as np导入，其中np是别名。
>>> import cv2
>>> import numpy as np读取图像使用imread()函数。我们使用以下命令读取imori.jpg：
>>> img = cv2.imread("imori.jpg")在这里我们将图像以NumPy的形式保存在变量img中。
我们可以使用img.shape来获得图像的大小。返回的元组（touple）中的三个数依次表示高度、宽度和通道数。例如这个图像高128px，宽128px，有三个通道（蓝通道、绿通道、红通道）。
>>> img.shape
(128, 128, 3)
>>>使用img.dtype来获得图片的类型。uint8是一个 8 位无符号整数。图像的RGB分量通常用 0 到 255 的 256 个灰度表示。例如，红色像素为 (R,G,B)=(255,0,0) ，白色是 (R,G,B)=(255,255,255) 。如果图像不以这个类型保存的话，图像会变得很奇怪（后面说明）。
>>> img.dtype
dtype('uint8')
>>>使用cv2.imshow()来显示图像。cv2.imshow()的第一个参数是窗口的名字（不写也没有关系），第二个参数是要显示的图像的名称，一定要写。
cv2.waitKey(0)可以让窗口一直显示图像直到按下任意按键（如果你希望了解更多关于这个函数的信息，请自己查找资料）。
>>> cv2.imshow('', img); cv2.waitKey(0)
102
>>> 
例如，让img的类型变更为float32的话，可以使用astype()：
>>> _img = img.astype(np.float32)如果用这种类型显示图片，就会变成这样。也就是说，用不恰当的类型显示图片的话图片就会变得奇怪（但是你可以用这种类型保存图片）。所以当你想要操作图像时：
- 使用
cv2.imread读取图像； - 将图像的类型变为浮点型
np.float32； - 操作图像；
- 像素值不满 0 的将值设置为 0 ，像素值超过 255 的将值设置为 255 （超重要）；
- 将图像类型变更为
np.uint8并保存；
以上是推荐的操作顺序。第 4 步将在下面的部分“操作像素”介绍。
>>> cv2.imshow('', _img); cv2.waitKey(0)
102
>>>
操作图像的方法和NumPy几乎是一样的。
例如，操作 x=30,y=20 的像素值时，进行以下的操作。像素值是按 BGR 的顺序排列的。array() 表示这个图像是 NumPy 格式。也就是说，OpenCV 是 NumPy 的高层封装。
>>> img[20, 30]
array([232, 178, 171], dtype=uint8)
>>> 更进一步，要得到 x=30,y=20 处的 G 分量，可以使用以下代码：
>>> img[20, 30, 1]
178
>>> 下面开始进入NumPy的中心话题。
NumPy有一个称为**切片（Slice）**的功能，可以让我们访问从特定的值v1到特定的值v2之间的所有元素。
例如要查看 y=20, x=[30, 32] 这个范围之内（的像素）时，如果设置为30:33可以得到一个矩阵。如果设置a:b，可以获得在 a\leq v < b 范围内的值。顺便说一下，如果设置为:30可以获得 [0, 30] 范围内的像素；如果设置为30:的话，可以获得 [30,最后] 像素的值。
>>> img[20, 30:33]
array([[232, 178, 171],
[209, 156, 153],
[134, 85, 77]], dtype=uint8)
>>> 例如将图片左上角（ x=[0, 50], y = [0, 50] ）设置为黑色，是照下面这样做。copy()这个函数在后面介绍。
>>> img2 = img.copy()
>>> img2[:50, :50] = 0
>>> cv2.imshow("", img2); cv2.waitKey(0)
0
>>>
在之前的教程中我们提到：
像素的值小于 0 的时候设置为 0，超过 255 的时候修改为 255。
现在我对此作出说明。
例如，图像的类型为float32，将一部分的B分量改为 260。uint8类型的整数范围只能取 [0,255] ，如果变成uint8型的话蝾螈的颜色一部分就会变成黄色的。
**这是因为，如果将 260 变为uint8型的话，因为 260-256，所以会让B的值为 4。**经常会由于这个原因让像素的值变得不正确。所以上面的第四步的操作（限定值的范围在$[0,255]$之间）是必要的。
>>> img2 = img.copy().astype(np.float32)
>>> img2[60:100, 60:100, 0] = 260
>>> cv2.imshow("imori", img2.astype(np.uint8)); cv2.waitKey(0)
想要将图像拷贝到别的变量的时候使用copy()。
>>> img2 = img.copy()如果单纯地让img2 = img，因为仅仅是保存图片的地址，对img2进行的操作也会反映到img上。
如果没有特殊用途，请使用copy()拷贝图像。
使用cv2.imwrite()来保存图像。
例如之前的被保存为名称为sample.jpg的图像img2，如果返回值为True的话，这就说明该图像被保存在同一个文件夹中，文件名为sample.jpg。
>>> cv2.imwrite("sample.jpg", img2)
True
>>>将图像的左半部分的红通道和蓝通道交换。
回答例
>>> import cv2
>>> img = cv2.imread("imori.jpg")
>>> img3 = img.copy()
>>> H, W, C = img3.shape
>>> img3[:H//2, :W//2] = img3[:H//2, :W//2, (2, 1, 0)]
>>> cv2.imshow('', img3); cv2.waitKey(0)
102
>>> 上面就是所有的 Tutorial 了。之后请一个一个地解决问题吧！