目录

• 1.基本介绍
• 2.通道拆分
• 2.1通过索引拆分
• 2.2通过函数拆分
• 3.通道合并
• 总结

1.基本介绍

在OpenCV中，图像通道是按照 B 通道→G 通道→R 通道的顺序存储的。在图像处理过程中，可以根据需要对通道进行拆分和合并。

2.通道拆分

对于RGB图像，可以索引的方式或者函数的方式分别拆分出其RGB通道。

b = img[ : , : , 0 ]
g = img[ : , : , 1 ]
r = img[ : , : , 2 ]

2.1通过索引拆分

import cv2
lena=cv2.imread("lena_color.jpg")
cv2.imshow("lena彩色原图",lena)
b=lena[:,:,0]       # 获取图像的B通道
g=lena[:,:,1]       # 获取图像的G通道
r=lena[:,:,2]       # 获取图像的R通道
cv2.imshow("B通道",b)
cv2.imshow("G通道",g)
cv2.imshow("R通道",r)
cv2.waitKey()
cv2.destroyAllWindows()

2.2通过函数拆分

函数 cv2.split() 能够拆分彩色图像的通道。

语句b,g,r=cv2.split(img)可以获得彩色图像的B 通道图像 b、G 通道图像 g 和 R 通道图像 r。与下面语句是等价的

b=cv2.split(a)[0]
g=cv2.split(a)[1]
r=cv2.split(a)[2]

如下程序的运行结果与通过索引拆分是一样的

import cv2
lena=cv2.imread("lena_color.jpg")
cv2.imshow("lena彩色原图",lena)
b,g,r=cv2.split(lena)
cv2.imshow("B通道",b)
cv2.imshow("G通道",g)
cv2.imshow("R通道",r)
cv2.waitKey()
cv2.destroyAllWindows()

3.通道合并

通道合并是通道拆分的逆过程，可以通过合并通道将三个通道的灰度图像合成一幅彩色图像。函数 cv2.merge()可以实现图像通道的合并，例如有 B 通道图像 b、G 通道图像 g 和 R 通道图像 r，使用函数 cv2.merge()可以将这三个通道合并为一幅 BGR 的三通道彩色图像。实现的语句为：bgr=cv2.merge([b,g,r])

import cv2
lena=cv2.imread("lena_color.jpg")
b,g,r=cv2.split(lena)           # 对lena彩色原图进行通道拆分
bgr=cv2.merge([b,g,r])          # 对通道按照BGR的顺序合并生成图像bgr
brg=cv2.merge([b,r,g])          # 对通道按照BRG的顺序合并生成图像brg
rgb=cv2.merge([r,g,b])          # 对通道按照RGB的顺序合并生成图像rgb
cv2.imshow("bgr",bgr)
cv2.imshow("brg",brg)
cv2.imshow("rgb",rgb)
cv2.waitKey()
cv2.destroyAllWindows()

从输出结果可以知道：改变通道顺序后，图像显示效果会发生变化

 

 

总结

到此这篇关于OpenCV中图像通道操作的文章就介绍到这了,更多相关OpenCV图像通道操作内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

【本文来源：bgp服务器 欢迎转载】