学习完基础的图像算法，开始接触OpenCV学习：
灰度图中，一个像素点上的灰度级需要一个字节（byte，2^8，8 bit）进行存储，此时的灰度图是二维的。
而当我们需要转换为彩色图时，即三维，便会产生颜色通道（Channel），这个时候，一个像素点上的灰度级便会需要三个字节来进行存储。
可以借助笛卡尔坐标系来帮助理解：
我们开始实操：
1、生成一个随机的原始字节；
2、将随机字节转换为一维数组；
3、转换为灰度图（即二维数组）然后保存；
4、转换为彩色图（即三维数组）然后保存；
Code：
1 import cv2
2 import numpy
3 import os
4
5 # 生成随机字符，然后转换成字节数组
6 rb = bytearray(os.urandom(12))
7 print(rb)
8
9 # 将字节数组转换成numpy数组
10 fn = numpy.array(rb)
11 print(fn)
12
13 # 转换成灰度图，即二维数组
14 gi = fn.reshape(3, 4)
15 print(gi)
16 # cv2.imwrite('2D.png', gi)
17
18 # 转换成彩色图，即三维数组，此时的展示的面是 xy 构成的
19 bi = fn.reshape(1, 4, 3)
20 print(bi)
21 # cv2.imwrite('3D_xy.png', bi)
22
23 # 此时的展示的面是 yz 构成的
24 yz = numpy.uint8(bi[0, :, :])
25 # cv2.imwrite('3D_yz.png', yz)
26 print(yz)
至此就完成了原始字节转换成图像的步骤。
参考书籍：OpenCV 4计算机视觉：Python语言实现
标签：字节,Python,bi,OpenCV,yz,灰度,数组,print,NumPy From： https://www.cnblogs.com/vangoghpeng/p/17842165.html