图像是由像素组成的矩阵，每个像素都有一个或多个值，表示颜色或灰度。在灰度图像中，每个像素只有一个值，表示灰度强度；在彩色图像中，每个像素通常有三个值，分别表示红色、绿色和蓝色（RGB）通道的强度。
   在 Python 中，可以使用 OpenCV 库来访问图像的像素值。假设我们有一个灰度图像 img，可以通过 img[y, x] 来访问位于 (x, y) 位置的像素值。对于彩色图像，可以通过 img[y, x, c] 来访问特定通道 c 的像素值，其中 c 为 0（蓝色）、1（绿色）或 2（红色）。
   代码-1：访问像素值

import cv2
import numpy as np
# 创建背景为黑色的图片
# 第一个参数：图片的宽高及通道，宽高为512，通道为3，第二个参数为数据类型
img = np.zeros((512,512), np.uint8)

roi = img[100,100] # 获取图片的100行100列的像素点
# 输出roi，如果为灰度图像，则输出为单通道数据0，如果为彩色图像，则输出为三通道数据[0,0,0]
print(roi)

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码-2：设置像素点

import cv2
import numpy as np
# 创建背景为黑色的图片
# 第一个参数：图片的宽高及通道，宽高为512，通道为3，第二个参数为数据类型
img = np.zeros((512,512,3), np.uint8)

roi = img[100,100] # 获取图片的100行100列的像素点
# 输出roi，如果为灰度图像，则输出为单通道数据0，如果为彩色图像，则输出为三通道数据[0,0,0]
print(roi)
# 设置图片的100行100列的像素点为白色
# img[100,100] = [255,255,255]
# 等同上面代码
img[100,100,0] = 255
img[100,100,1] = 255
img[100,100,2] = 255
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码-3：为例能肉眼识别，设置多个像素：

import cv2
import numpy as np
# 创建背景为黑色的图片
# 第一个参数：图片的宽高及通道，宽高为512，通道为3，第二个参数为数据类型
img = np.zeros((512,512,3), np.uint8)

count = 0
while count < 200:

    img[count,100] = [255,255,255]
    count += 1

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

执行结果：（画了一条白线）

ROI 是指图像中我们感兴趣的区域。通过提取 ROI，我们可以只对图像的特定部分进行处理，从而提高处理效率。
代码-4：提取某个区域ROI

import cv2
import numpy as np
# 创建背景为黑色的图片
# 第一个参数：图片的宽高及通道，宽高为512，通道为3，第二个参数为数据类型
img = np.zeros((512,512,3), np.uint8)
# 创建ROI:提取
roi = img[100:400, 100:400]
print(roi)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码-5：提取 ROI 后，可以对其进行修改，然后将修改后的 ROI 放回原图像中。

import cv2
import numpy as np
# 创建背景为黑色的图片
# 第一个参数：图片的宽高及通道，宽高为512，通道为3，第二个参数为数据类型
img = np.zeros((512,512,3), np.uint8)
# 填充为白色
img[100:400, 100:400] = [255,255,255]

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()