OpenCV开发之颜色通道的分离与合并

22人浏览 / 0人评论 / 添加收藏

在OpenCV开发中，颜色通道的分离与合并是一个很基础也很实用的技巧。简单来说，就是把一张彩色图片“拆开”成几个单色的部分，处理完后再“组装”回去。它的核心用途，就是让你能对图片中特定的颜色分量进行独立分析或增强。

核心原理：BGR色彩空间

OpenCV默认的色彩空间是BGR（蓝、绿、红）顺序，和我们通常习惯的RGB顺序不同。这张图很直观地展示了这个过程：

基础操作：`cv2.split()` 与 `cv2.merge()`

Python的OpenCV库提供了两个主要函数来实现这一功能。

1. 通道分离：`cv2.split()`

split函数能将一个多通道图像（如BGR三通道）拆分成多个独立的单通道数组。需要注意的是，拆分后的单通道数据直接显示为灰度图，因为它只代表该颜色的强度。

显示分离后的通道：拆分后直接imshow会显示为灰度图。如果想看到偏蓝、偏绿或偏红的效果，可以创建一个与原图等大的全零（黑色）图像，然后将特定通道复制进去：

2. 通道合并：`cv2.merge()`

merge函数是split的逆操作，它将多个单通道数组合并成一个多通道图像。

代码演示如下：

 #颜色通道的分离与合并 
 
 import cv2 
 
 import numpy as np 
 
 img = cv2.imread('./images/dog.png') 
 
 #如果图片太大，可以进行调节显示大小 
 
 # img = cv2.resize(img, (400, 300)) 
 
 b, g, r = cv2.split(img) 
 
 print(b.shape) 
 
 print(g.shape) 
 
 print(r.shape)

 b[10:100, 10:100] = 255 
 
 g[10:100, 10:100] = 255 
 
 # r[10:100, 10:100] = 255

 
# 合并通道 
 
 img2 = cv2.merge([b, g, r]) 
 
 cv2.imshow("img", np.hstack((b, g))) 
 
 cv2.imshow("img2", np.hstack((img, img2))) 
 
 # 等待按键输入 
 
 cv2.waitKey(0) 
 
 cv2.destroyAllWindows()

显示效果如下：

全部评论

搜索