在计算机中的图片大多数是以像素的形式构成。在数字图像中，通过红绿蓝三种颜色的混合能够展现各种颜色成为RGB空间（red green blue)。除了RGB空间以外图像的颜色空间还有YUV,HSV,和GRAY等。了解图像的颜色空间对于分割拥有颜色区分特征的图像具有重要意义，例如提取图像中的红色物体可以通过比较图像红色通道的像素值来实现。
在接下来的代码中分别展示了不同颜色空间之间的转换图像多通道分离与合并。
import cv2 as cv
import numpy as np
import datetime
import sys
img=cv.imread('C:/Users/wangyiyuan/Desktop/R-C.jpg')#输入你所存图片的位置
image=img.astype('float32')#读取图片
image *=1.0/255
cv.namedWindow('img',cv.WINDOW_NORMAL)
cv.imshow('img',image)###显示原来图片
HSV=cv.cvtColor(image, cv.COLOR_BGR2HSV)
cv.namedWindow('img2',cv.WINDOW_NORMAL)
cv.imshow('img2',HSV)#####显示HSV通道的图片
GRAY=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
cv.namedWindow('img3',cv.WINDOW_NORMAL)
cv.imshow('img3',GRAY)#####显示GRAY通道的图片
b,g,r=cv.split(image)###通道分离
zeros=np.zeros(image.shape[:2],dtype='float32')####创建一个和图片一样大小的零矩阵
print(b.dtype)
print(g.dtype)
print(r.dtype)
print(zeros.dtype)######必须type一样才能进行合并
bg=cv.merge([b, g, zeros])####bg通道合并
cv.namedWindow('img4',cv.WINDOW_NORMAL)
cv.imshow('img4',bg)#####显示合并通道后的图片
gr=cv.merge([g, r, zeros])####gr通道合并
cv.namedWindow('img5',cv.WINDOW_NORMAL)
cv.imshow('img5',gr)#####显示合并通道后的图片
br=cv.merge([b, r, zeros])####br通道合并
cv.namedWindow('img6',cv.WINDOW_NORMAL)
cv.imshow('img6',br)#####显示合并通道后的图片
array=np.array([1,2,3,4,5,10,6,7,8,9,10,0])
img1=array.reshape((3,4))
print(img1)
min1,max1,minloc1,maxloc1=cv.minMaxLoc(img1)
print('图像最小值%s,其位置为%s'%(min1,minloc1))
print('图像最大值%s,其位置为%s'%(max1,maxloc1))
cv.waitKey(0)
print('图形的形状：{}\n元素数据类型：{}\n图像通道数:{}\n像素总数：{}'.format(img.shape,img.dtype,img.ndim,img.size))
