2、图像基础操作：像素是什么？图像坐标系、BGR颜色空间、读取/修改像素值、图像属性
好，咱们正式开始动手操作图像了。
这一节，我会带你搞清楚图像在计算机里到底长什么样。说白了，图像就是一堆数字。你看到的每一张图，在OpenCV眼里，就是一个巨大的数字矩阵。
2.1 像素是什么？
想象一下，你把一张照片无限放大，最后会看到什么？
对，是一个个小方格。每个小方格就是一个像素。它是图像的最小组成单元。
每个像素都有自己的颜色值。在计算机里，颜色是用数字表示的。比如纯黑色是0，纯白色是255。嗯，这里要注意，这个范围是0到255，一共256个级别。为什么是256？因为一个字节刚好能存下（2的8次方）。
2.2 图像坐标系
有了像素，怎么定位它？这就引出了坐标系。
OpenCV的坐标系和数学里不太一样。它的原点在左上角。
- x轴：水平向右，代表图像的列
- y轴：垂直向下，代表图像的行
所以，如果你要访问第3行、第5列的像素，写法是 img[3, 5]。先写行，再写列。这个顺序千万别搞反了。我刚开始学的时候，就经常把行列写反，结果调试了半天才发现是坐标搞错了。
img[行, 列]，不是 img[x, y]。我曾经在项目里因为这个问题，导致人脸检测框画歪了，排查了整整一下午。
2.3 BGR颜色空间
说到颜色，这里有个坑。
我们平时用的RGB，是红绿蓝。但OpenCV默认用的是BGR。顺序反了：蓝、绿、红。
为什么会这样？其实是个历史遗留问题。早期的一些相机硬件厂商就是这么存的，OpenCV沿用了这个习惯。
所以，当你用OpenCV读取一张彩色图片时，每个像素其实有三个值：
- 第一个值：蓝色通道 (Blue)
- 第二个值：绿色通道 (Green)
- 第三个值：红色通道 (Red)
如果你用其他库（比如matplotlib）直接显示，颜色会偏蓝。你想想看，是不是很坑？
cv2.cvtColor(img, cv2.COLOR_BGR2RGB)。这是我每次写代码必加的一行。
2.4 读取/修改像素值
理论说完了，咱们直接上代码。
import cv2
import numpy as np
# 读取一张图片
img = cv2.imread('example.jpg')
# 获取某个像素的值（第10行，第20列）
pixel = img[10, 20]
print(pixel) # 输出：[B, G, R] 三个值
# 只获取蓝色通道的值
blue = img[10, 20, 0]
print(blue)
# 修改像素值
img[10, 20] = [255, 0, 0] # 改成纯蓝色
img[10, 20, 1] = 128 # 只改绿色通道为128你看，操作起来其实很简单。就是数组的索引和赋值。
我个人习惯用 img[行, 列] 来获取整个像素，用 img[行, 列, 通道] 来获取某个通道。这样代码可读性更好。
img[0:10, 0:10] = [0, 0, 255]。切片操作在图像处理里非常常用。
2.5 图像属性（shape, dtype, size）
拿到一张图，你总得知道它的一些基本信息吧？
OpenCV提供了三个最常用的属性：
| 属性 | 含义 | 示例输出 |
|---|---|---|
img.shape |
图像的形状（高度, 宽度, 通道数） | (480, 640, 3) |
img.dtype |
像素值的数据类型 | uint8 |
img.size |
像素总数（高 x 宽 x 通道数） | 921600 |
# 获取图像属性
height, width, channels = img.shape
print(f"高度: {height}, 宽度: {width}, 通道数: {channels}")
print(f"数据类型: {img.dtype}") # 通常是 uint8
total_pixels = img.size
print(f"总像素数: {total_pixels}")这里有个细节：shape返回的是一个元组。如果是灰度图，它只有两个值（高和宽），没有通道数。所以写代码时要注意判断。
img.dtype 通常是 uint8，取值范围0-255。如果你做数学运算，比如加减乘除，结果可能会溢出。比如255+1，在uint8下会变成0。我遇到过好几次这种问题，后来养成了习惯：做运算前先转成 float32，处理完再转回来。
好了，这一节的内容就这些。总结一下：
- 像素是图像的最小单元，值范围0-255
- 坐标系原点在左上角，先写行再写列
- OpenCV默认用BGR，不是RGB
- 用索引读写像素值，用属性获取图像信息
下一节，咱们会聊图像的基本运算。到时候你会发现，这些基础操作会反复用到。打好基础，后面才能跑得快。