本文目录：

1. OpenCV 读取后的图片的属性
2. 实验验证
3. 总结

1. OpenCV 读取后的图片的属性

使用 cv2.imread() 函数读取彩色图像后，图像的存储的数据范围是 [0, 255] 的 <class 'numpy.uint8'>，通道顺序为 BGR，当使用 matplotlib.pyplot 绘制时需要使用 cv2.cvtColor() 函数来转换为支持的 RGB 顺序。

读取的图片 左上角点为原点，水平向右为 X 轴正方向，垂直向下为 Y 轴正方向。

如果图片的高度是 H，宽度为 W，那么存储的数据尺寸为 (H,W,3)，底层存储方式与我们肉眼的直观感觉是一致的。H 对应着 y 轴，W 对应着 x 轴，也就是说，使用 OpenCV 访问某一位置的像素值时，不是先确定 x 坐标再确定 y 坐标，而是相反。也就是说，对于坐标系下的 (x,y) 这一点，我们是使用 (y,x) 来访问的。

2. 实验验证

使用的上述图片高度为 328，宽度为 400，

• shape() —— 先高再宽

img = cv2.imread('dog.jpg')
print(img.shape)

>>> (328, 400, 3)

• resize() —— 先 x 再 y

img = cv2.imread('dog.jpg')
resized_img = cv2.resize(img, (0, 0), fx=0.5, fy=1.0)  # 这里的fx对应着x轴，fy对应着y轴

img = cv2.imread('dog.jpg')
resized_img = cv2.resize(img, (100, 200))  # 先x轴，再y轴

在电脑中图片的属性中显示的分辨率也是先 x 再 y

• 访问像素值 —— 先高后宽

img = cv2.imread('dog.jpg')
img[:200, :300, :] = 0

3. 总结

除了在文件属性和 resize 时是以坐标轴为顺序（先宽后高），其他操作可以将其看作是普通的三维矩阵即可，第一维为行（高），第二维为列（宽），第三维为通道。