我们先来理解一下什么是GUI特性；一起来学习摘自百度词条的信息：

图形用户界面（Graphical User Interface，简称 GUI，又称图形用户接口）是指采用图形方式显示的计算机操作用户界面。 

图形用户界面是一种人与计算机通信的界面显示格式，允许用户使用鼠标等输入设备操纵屏幕上的图标或菜单选项，以选择命令、调用文件、启动程序或执行其它一些日常任务。与通过键盘输入文本或字符命令来完成例行任务的字符界面相比，图形用户界面有许多优点。图形用户界面由窗口、下拉菜单、对话框及其相应的控制机制构成，在各种新式应用程序中都是标准化的，即相同的操作总是以同样的方式来完成，在图形用户界面，用户看到和操作的都是图形对象，应用的是计算机图形学的技术。 

这样来说，在以往的计算机显示界面中，都是信息的展示，也就是说展示出来的界面不是像现在这样的图形化，对于创作者来说减轻了工作的负担，但却加大了使用者对其的理解。所以，为了让计算机界面更加人性化，程序员是有必要学习GUI特性。 

 点击这里查看更多内容：百度词条：GUI特性

target

1、读取图像，显示图像，写入图像

2、Matplotlib显示图像

3、常用颜色空间转换

1、读取图像，显示图像，写入图像

（1）读取图像

使用**cv.imread**()函数读取图像。

第一个参数：“a.完整路径;b.本项目路径下可以只写图片的命名”

第二个参数：指定了读取图像的方式

• cv.IMREAD_COLOR： 加载彩色图像。任何图像的透明度都会被忽视。它是默认标志。
• cv.IMREAD_GRAYSCALE：以灰度模式加载图像
• cv.IMREAD_UNCHANGED：加载图像，包括alpha通道

注意：这里不需要记，我们可以简单的传入三个整数1、0或-1

参考下面的代码：

＃加载彩色灰度图像
import numpy as np
import cv2 as cv

img = cv.imread('1.jpg'，0)

（2）显示图像

使用函数**cv.imshow()**在窗口中显示图像。

第一个参数：窗口名称，字符串形式。

第二个参数：显示的对象

import cv2 as cv

cv.imshow('image'，img）
cv.waitKey(0)
cv.destroyAllWindows()

cv.waitKey()是一个键盘绑定函数，其参数是以毫秒为单位的时间。简单来说——传入0，可以让窗口不消失。

cv.destroyAllWindows()在其中传递确切的窗口名称作为参数，销毁特定的窗口。

（3）写入图像

使用函数**cv.imwrite**()保存图像。

第一个参数：文件名，

第二个参数：要保存的图像。

比如：

cv.imwrite("2.jpg",img)

图像将会以jpg格式保存到当前项目的目录下。

总结

我们来看看下面的程序，包含了上面所讲的所有信息，并且我们要实现敲击Esc键，退出程序，点击键盘“s”，表示保存这个图片。

import cv2
import numpy as np 

img = cv2.imread("1.jpg",0)  #灰度图像转化
cv2.imshow("image",img)
k = cv2.waitkey(0) & 0xFF
if k == 27:
    cv2.destroyAllWindows()
    #break
elif k == ord('s'):
    cv2.imwrite("2.png",img)
    cv2.destroyAllWindows

如果电脑是64位，就将cv2.waitkey(0)修改成了cv2.waitkey(0) & 0xFF，我想大多数人应该都是64位机吧。

2、使用Matplotlib

Matplotlib是python优秀的第三方绘图库，其中有许多的绘图方法，感兴趣的可以看我的数据分析专栏，其中就有关于Matplotlib的介绍，可点击这里进入，(1条消息) 数据分析_夏天是冰红茶的博客-CSDN博客

import numpy as np
import cv2 
from matplotlib import pyplot as plt

img = cv2.imread("1.jpg",0)
plt.imshow(img,cmap = 'gray',interpolation = 'bicubic')
plt.xticks([]),plt.yticks([])
plt.show()

更多关于Matplotlib的介绍，可以去官网学习。除此之外，强调一点，在Opencv当中加载的色彩图像处于BGR模式，但在Matplotlib是以RGB格式进行加载，所以我们要用到cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

当然你也可以使用plt.show(img[:,:,::-1])的方法

 3、常用颜色空间转换

 在这里只讲BGR<—>灰色，BGR<—>HSV的转化，还有用摄像头提取实时颜色对象。请你知道，Opencv当中其实是由超过150种的颜色空间转换方法，而最为广泛的也就是今天所讲的。

 如果你想了解有哪些方式，可以在环境中输入：

import cv2 as cv
flags = [i for i in dir(cv) if i.startswith('COLOR_')]
print( flags )

注意：HSV的色相范围为[0,179]，饱和度范围为[0,255]，值范围为[0,255]

BGR→灰度转换，我们使用标志cv.COLOR_BGR2GRAY。

BGR→HSV，我们使用标志cv.COLOR_BGR2HSV

（1）对象的追踪

来自文档中的代码

import cv2 as cv
import numpy as np
cap = cv.VideoCapture(0)
while(1):
    # 读取帧
    _, frame = cap.read()
    # 转换颜色空间 BGR 到 HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 定义HSV中蓝色的范围
    lower_blue = np.array([110,50,50])
    upper_blue = np.array([130,255,255])
    # 设置HSV的阈值使得只取蓝色
    mask = cv.inRange(hsv, lower_blue, upper_blue)
    # 将掩膜和图像逐像素相加
    res = cv.bitwise_and(frame,frame, mask= mask)
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(5) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

如何找到要追踪的HSV值？

green = np.uint8([[[0,255,0 ]]])
hsv_green = cv.cvtColor(green,cv.COLOR_BGR2HSV)
print( hsv_green )

[[[ 60 255 255]]] 

只需这样，你就可以查找到你想要的BGR值。现在把[H- 10,100,100]和[H+ 10,255, 255]分别作为下界和上界。除了这个方法之外，你可以使用任何图像编辑工具(如GIMP或任何在线转换器)来查找这些值，但是不要忘记调整HSV范围。

图像通道的拆分与合并

cv中是按B、G、R的通道工作下单独工作：

b,g,r=cv2.split(img)
img=cv2.merge((b,g,r))