OpenCV4.8 开发实战系列专栏之 08 - 通道分离与合并

大家好，欢迎大家学习OpenCV4.8 开发实战专栏，长期更新，不断分享源码。

专栏代码全部基于C++ 与Python双语演示，专栏答疑群 请联系微信 OpenCVXueTang_Asst

本文关键知识点：

OpenCV中默认imread函数加载图像文件，加载进来的是三通道彩色图像，色彩空间是RGB色彩空间、通道顺序是BGR（蓝色、绿色、红色）、对于三通道的图像OpenCV中提供了两个API函数用以实现通道分离与合并。

• split // 通道分类
• merge // 通道合并

扩展一下：
在很多CNN的卷积神经网络中输入的图像一般会要求[h, w, ch]其中h是高度、w是指宽度、ch是指通道数数目、OpenCV DNN模块中关于图像分类的googlenet模型输入[224,224,3]表示的就是224x224大小的三通道的彩色图像输入。

更正一下代码里面的内容关于mixchannels的 Python版本用法，参考如下代码即可：

dst = np.zeros(src.shape, dtype=np.uint8)
print(src.shape)
print(dst.shape)
cv.mixChannels([src], [dst], fromTo=[2, 0, 1, 1, 0, 2])
cv.imshow("output4", dst)

解释：

1. mixchannels使用前必须先分配好np图像对象
2. 前两个参数是图像数组！

在图像处理领域，通道分离（split）与合并（merge）是两个基础且重要的操作，它们允许对图像的各个颜色通道进行单独处理或修改。以下是对这两个操作的详细解释：

通道分离（split）

通道分离是指将彩色图像分解成其组成的单个颜色通道。在大多数图像处理库中，如OpenCV，彩色图像通常表示为三个通道的集合：红色（R）、绿色（G）和蓝色（B），尽管在某些情况下也可能使用其他色彩空间（如HSV或YUV），但BGR是最常见的。

• 功能：使用split函数可以将彩色图像分成R、G、B三个单通道图像，从而方便对这三个通道分别进行操作。
• 示例：在OpenCV中，可以使用cv.split(src)函数来实现通道分离，其中src是需要分离通道的图像数组。分离后，会得到三个单独的数组，分别代表R、G、B三个通道。
• 注意事项：通道分离是一个比较耗时的操作，因此应在真正需要时才使用。如果只需要修改多通道图像中的某个通道的值，可以考虑使用numpy等库直接操作数组，而不是进行通道分离。

通道合并（merge）

通道合并是指将分离后的单个颜色通道重新组合成一个彩色图像。这个过程是通道分离的逆操作。

• 功能：使用merge函数可以将多个单通道图像合并成一个多通道图像。在OpenCV中，这通常用于将R、G、B三个通道重新组合成一个彩色图像。
• 示例：在OpenCV中，可以使用cv.merge([b, g, r])函数来实现通道合并，其中b、g、r分别是代表蓝色、绿色和红色通道的数组。合并后，会得到一个新的彩色图像数组。
• 应用场景：通道合并常用于图像处理中的多种场景，如图像增强、色彩校正、图像合成等。通过修改分离后的通道并重新合并，可以实现各种图像效果。
  

总结

通道分离与合并是图像处理中的基础操作，它们允许对图像的各个颜色通道进行单独处理或修改。这些操作在图像增强、色彩校正、图像合成等领域具有广泛的应用价值。在使用这些操作时，需要注意它们的性能和资源消耗，并根据具体需求选择适当的处理方法。

演示代码

#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;int main(int argc, const char *argv[])
{Mat src = imread("D:/vcprojects/images/flower.png");if (src.empty()) {printf("could not load image...\n");return -1;}namedWindow("input", WINDOW_AUTOSIZE);imshow("input", src);vector<Mat> mv;Mat dst1, dst2, dst3;// 蓝色通道为零split(src, mv);mv[0] = Scalar(0);merge(mv, dst1);imshow("output1", dst1);// 绿色通道为零split(src, mv);mv[1] = Scalar(0);merge(mv, dst2);imshow("output2", dst2);// 红色通道为零split(src, mv);mv[2] = Scalar(0);merge(mv, dst3);imshow("output3", dst3);waitKey(0);return 0;
}

python 代码演示

import cv2 as cvsrc = cv.imread("D:/vcprojects/images/flower.png")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)# 蓝色通道为零
mv = cv.split(src)
mv[0][:, :] = 0
dst1 = cv.merge(mv)
cv.imshow("output1", dst1)# 绿色通道为零
mv = cv.split(src)
mv[1][:, :] = 0
dst2 = cv.merge(mv)
cv.imshow("output2", dst2)# 红色通道为零
mv = cv.split(src)
mv[2][:, :] = 0
dst3 = cv.merge(mv)
cv.imshow("output3", dst3)cv.mixChannels(src, dst3, [2, 0])
cv.imshow("output4", dst3)cv.waitKey(0)
cv.destroyAllWindows()

结束语

学习贵在坚持，学习OpenCV贵在每一天的代码练习，原理跟基本的函数解释，相关知识，后续更新边学边理解，搞技术永远要坚持做长期主义者！我们一起努力！！！

专栏答疑群 请联系微信 OpenCVXueTang_Asst