如何在Python 3（OpenCV）中修改符合特定坐标条件的像素颜色？

没问题，这事儿用OpenCV结合Numpy的数组操作就能轻松搞定，完全适配你的Anaconda/Jupyter环境。我给你整理了完整的步骤和代码，直接套用就行：

步骤说明 #

1. 导入依赖库：需要OpenCV、Numpy，以及Jupyter里显示图片用的Matplotlib（避免cv2.imshow的窗口卡顿问题）。
2. 加载图片：注意OpenCV默认以BGR格式读取图片，后续修改颜色要对应这个通道顺序。
3. 定位目标像素：筛选出y坐标（行）能被3整除、x坐标（列）能被2整除的所有像素点。
4. 修改颜色：给这些像素设置你想要的颜色值。
5. 预览/保存结果：在Jupyter里可视化修改后的图片，或者保存到本地。

完整代码示例 #

# 导入所需库
import cv2
import numpy as np
from matplotlib import pyplot as plt

# 替换为你的图片路径，注意如果有中文路径，用下面的解码方式替代cv2.imread
# img = cv2.imdecode(np.fromfile('带中文的图片路径.jpg', dtype=np.uint8), cv2.IMREAD_COLOR)
img = cv2.imread('your_image.jpg')

# 获取图片的高度（y方向）和宽度（x方向）
height, width = img.shape[:2]

# 生成符合条件的索引：y从0开始，步长3；x从0开始，步长2
y_indices = np.arange(0, height, 3)
x_indices = np.arange(0, width, 2)

# 生成所有目标像素的坐标组合（确保每个y行和x列的交点都被选中）
Y, X = np.meshgrid(y_indices, x_indices, indexing='ij')

# 修改目标像素为红色（OpenCV是BGR格式，所以红色为(0, 0, 255)）
# 如果你想改成其他颜色，比如绿色是(0,255,0)，蓝色是(255,0,0)，直接替换即可
img[Y, X] = (0, 0, 255)

# 在Jupyter中显示图片（转换为RGB格式，因为Matplotlib用RGB显示）
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img_rgb)
plt.axis('off')  # 隐藏坐标轴，让图片显示更干净
plt.show()

# 可选：保存修改后的图片到本地
cv2.imwrite('modified_image.jpg', img)

关键细节提示 #

• 坐标顺序别搞反：OpenCV的图片数组是(高度, 宽度, 通道)，也就是y对应行（第一个维度），x对应列（第二个维度），和我们日常说的x/y坐标方向刚好相反，这点要注意！
• 中文路径处理：如果你的图片路径包含中文，直接用cv2.imread会读取失败，记得换成代码里注释的cv2.imdecode方式。
• 颜色通道格式：OpenCV默认用BGR，而Matplotlib用RGB，所以显示的时候需要转换一下，不然颜色会不对。如果只是保存图片，直接用修改后的BGR数组就行，不需要转换。

内容的提问来源于stack exchange，提问作者Nadīna Tarnovska