• OpenCV 4基础篇| OpenCV图像的拆分和合并


    1. 通道拆分

    1.1 cv2.split

    1.1.1 语法结构

    b,g,r = cv2.split(img[, mv]) #图像拆分为 BGR 通道。
    
    • 1
    • img:图像数据,nparray 多维数组
    • mv:指定的分拆通道(可选)
    • b,g,r :分割成三个单通道图像,分别代表蓝色、绿色和红色通道,并将它们分别赋值给b、g和r

    1.1.2 注意事项

    • OpenCV 使用的图像格式是 BGR(蓝、绿、红),而不是常见的 RGB 格式。因此,当你使用 cv2.split() 拆分通道时,得到的通道顺序将是 B、G、R,而不是 R、G、B。
    • BGR 彩色图像的数据形状为 (width, height, channels=3),返回的 B/G/R 通道的数据形状为 (width, height),不能按照 BGR 彩色图像直接显示。
    • 如果直接用 imshow 显示返回的单通道对象,将被视为 (width, height) 形状的灰度图像显示。
    • 如果要正确显示某一颜色分量,需要增加另外两个通道值(置 0)转换为 BGR 三通道格式,再用 imshow 才能显示为拆分通道的颜色。
    • cv2.split() 操作复杂耗时,可以直接使用 NumPy 切片得到分离通道。

    1.1.3 代码示例

    import cv2
    
    imgFile = "img/lena.jpg"
    img1 = cv2.imread(imgFile, flags=1)  # flags=1 读取彩色图像(BGR)
    # 通道拆分
    b,g,r=cv2.split(img1)
    # 显示图像
    cv2.imshow("b", b)
    cv2.imshow("g", g)
    cv2.imshow("r", r)
    
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13

    1

    1.2 NumPy切片

    1.2.1 代码示例

    import cv2
    
    imgFile = "img/lena.jpg"
    img1 = cv2.imread(imgFile, flags=1)  # flags=1 读取彩色图像(BGR)
    # 获取 B 通道
    bImg = img1.copy()  # 获取 BGR
    bImg[:, :, 1] = 0  # G=0
    bImg[:, :, 2] = 0  # R=0
    
    # 获取 G 通道
    gImg = img1.copy()  # 获取 BGR
    gImg[:, :, 0] = 0  # B=0
    gImg[:, :, 2] = 0  # R=0
    
    # 获取 R 通道
    rImg = img1.copy()  # 获取 BGR
    rImg[:, :, 0] = 0  # B=0
    rImg[:, :, 1] = 0  # G=0
    
    # 显示图像
    cv2.imshow("b", bImg)
    cv2.imshow("g", gImg)
    cv2.imshow("r", rImg)
    
    cv2.waitKey(0)
    cv2.destroyAllWindows()  # 释放所有窗口
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26

    1

    2. 通道合并

    2.1 cv2.merge

    2.1.1 语法结构

    cv2.merge(mv[, dst])  #BGR 通道合并
    
    • 1
    • mv:要合并的单通道
    • dst:通道合并的图像,nparray 多维数组

    2.1.2 注意事项

    • 进行合并的 B、G、R 单通道图像分量,数据形状必须为 (width, height),而不是形状为 (width, height, channels=3) 的蓝色/绿色/红色图像。
    • 单通道图像分量的图像大小 (width, height) 必须相同才能进行合并。
    • 颜色通道要按照 B、G、R 通道次序合并,才能得到 BGR 格式的合并结果。
    • cv2.merge() 操作复杂耗时,推荐使用 NumPy 数组合并函数 np.stack() 生成合成图像。

    2.1.3 代码示例

    import cv2
    
    imgFile = "img/lena.jpg"
    img1 = cv2.imread(imgFile, flags=1)  # flags=1 读取彩色图像(BGR)
    # 通道拆分
    b, g, r = cv2.split(img1)
    
    # 通道合并
    rgb = cv2.merge([r, g, b])
    gbr = cv2.merge([g, b, r])
    brg = cv2.merge([b, r, g])
    
    # 显示图像
    cv2.imshow("rgb", rgb)
    cv2.imshow("gbr", gbr)
    cv2.imshow("brg", brg)
    
    cv2.waitKey(0)
    cv2.destroyAllWindows()  # 释放所有窗口
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19

    1

  • 相关阅读:
    Java Applet 类的学习笔记
    基于51单片机的智能鞋柜消毒柜
    springboot AOP记录操作日志(包含遇到的问题)
    深入理解Java中的转义字符
    知识头条-大脑
    手写 Vue2 系列 之 初始渲染
    SPARK数据分析
    成功解决eNSP模拟器中路由器启动失败,错误码40
    如何将现有的`Blazor`项目的主题切换写的更好看?
    phpstudy RCE脚本编写(Python)
  • 原文地址:https://blog.csdn.net/backlighting2015/article/details/136434776