一、
图像在计算机中存储为矩阵。矩阵上一个点表示一个像素。若矩阵由一系列0～255的整数值组成，则表现为灰度图。便于理解，以下贴出代码：
import cv2
import numpy as np
img = np.ones((3,3),dtype=np.uint8)#random.random()方法后面不能加数据类型
#img = np.random.random((3,3)) #生成随机数都是小数无法转化颜色,无法调用cv2.cvtColor函数
img[0,0]=100
img[0,1]=150
img[0,2]=255
cv2.imshow('img',img)
cv2.waitKey(0)
运行以上代码的效果为：
img[0,0]表示矩阵第一行第一列的元素，其值为100。以此类推。由图可以看出，值越大，灰度越小，显示越接近白色。(也可以理解为亮地越多。0表示啥也不亮，黑色；255表示全亮，白色）
二、
以上是单通道的效果，接下来将上图转化为3通道BGR图 ，每一个像素点由一个三元数组表示。其中bgr_img[]0,0,0]表示第一行(y)第一列(x)B通道的值；bgr_img[100,200,1]表示第101行(y)第201列(x)G通道的值。
注：第三个参数表示BGR通道，取值范围为0～2
便于理解，以下贴出代码:
bgr_img = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
cv2.imshow('bgr_img',bgr_img)
bgr_img[:,:,0] = 0
bgr_img[:,:,1] = 255
bgr_img[:,:,2] = 255
cv2.imshow('bgr_img2',bgr_img)
cv2.waitKey(0)
以上代码和第一部分结合起来运行，运行后效果如下：
这篇python+opencv3生成一个自定义纯色图教程就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。