图像的通道分离与合并

在计算机中，一张彩色图像可视为一个矩阵。矩阵中的每一个元素就是一个像素点。放大图片后我们会发现每个像素点的颜色都不一样，但其实所有的色彩都可以由三原色“蓝（blue）”“绿（green）”“红（red）”混合表示出。这也是一般的彩色图像被称为BGR图的原因。

上图给出了三原色1：1混合后变为的颜色，当然，可以通过改变三原色的比例来创造出更多的颜色。

一般在计算机里，每一种原色有256种深浅的程度（0为最暗，255为最亮）。此外，我们还给图片中的每一种原色起名叫一个通道，那么彩色图像就有三个通道，而灰度图像就只有一个通道。

所谓通道分离，就是将BGR图中的三原色剥离出来，每一种原色都用一张灰度图来表示，越亮的地方表示该种原色比例越高，反之同理。比如说这张体育馆的图片：

我们将它的红色分离出来就是：

可以看到，在跑道和座椅的地方比较亮，就说明这些位置红色占比时比较大的。

除了BGR颜色模型，常见的还有HSV颜色模型。HSV模型通过色度（Hue）、饱和度（Saturation）和亮度（Value）对颜色进行描述。下为一例：

下面我们来看看代码，通道分离我们需要split函数，合并时我们需要merge函数。这两种函数均有两种原型，并且是对应使用的。第一种用数组接收分离后的图片，第二种用模板类vector接收。

#include<iostream>
#include<opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{Mat img = imread("F:\\image\\12.jpg");Mat img_arr0, img_arr1, img_arr2;//用于存放数组类型的结果Mat result0;//多通道合并的结果//用数组接收namedWindow("B通道", 0);namedWindow("G通道", 0);namedWindow("R通道", 0);namedWindow("result0", 0);//使窗口大小可调Mat imgs[3];split(img, imgs);//第一个参数是需要分离的图，第二参数是用来接受的数组的名称img_arr0 = imgs[0];img_arr1 = imgs[1];img_arr2 = imgs[2];imshow("B通道", img_arr0);imshow("G通道", img_arr1);imshow("R通道", img_arr2);//展示各通道的图像Mat zero = Mat::zeros(img.rows, img.cols, CV_8UC1);//创建一张与该图大小一样的图片（像素点全为0）imgs[0] = zero;//将蓝色通道全部变为0merge(imgs, 3, result0);//第一个参数是数组名，第二个参数是数组元素个数，第三个参数是输出图像名imshow("result0", result0);//最后输出的是只有GR通道有色彩的图像waitKey(0);return 0;
}

结果如下：

接下来演示第二种方法：

#include<iostream>
#include<opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{Mat img = imread("F:\\image\\12.jpg");Mat HSV;cvtColor(img, HSV, COLOR_BGR2HSV);Mat img_v0, img_v1, img_v2;//用于存放vector类型的结果Mat result1;//多通道合并的结果//用vector接收namedWindow("H通道", 0);namedWindow("S通道", 0);namedWindow("V通道", 0);namedWindow("result1", 0);vector<Mat>imgv;//创建一个名为imgv的模板类vector;split(HSV, imgv);img_v0 = imgv.at(0);img_v1 = imgv.at(1);img_v2 = imgv.at(2);//在vecter中检索的顺序也是从0开始imshow("H通道", img_v0);imshow("S通道", img_v1);imshow("V通道", img_v2);Mat zero = Mat::zeros(img.rows, img.cols, CV_8UC1);imgv.at(2) = zero;//将亮度调为0merge(imgv, result1);imshow("result1", result1);waitKey(0);return 0;
}

结果如下：

如果有帮到你，就麻烦点个赞吧！

图像的通道分离与合并相关推荐

OpenCV Python教程（2、图像元素的访问、通道分离与合并）
OpenCV Python教程之图像元素的访问.通道分离与合并转载请详细注明原作者及出处,谢谢! 访问像素像素的访问和访问numpy中ndarray的方法完全一样,灰度图为: [python] v ...
OpenCV之Python学习笔记（1）（2）：图像的载入、显示和保存图像元素的访问、通道分离与合并
OpenCV之Python学习笔记一直都在用Python+OpenCV做一些算法的原型.本来想留下发布一些文章的,可是整理一下就有点无奈了,都是写零散不成系统的小片段.现在看到一本国外的新书< ...
opencv进阶学习笔记2：numpy操作图像，色彩空间，查找指定颜色范围，通道分离与合并
基础部分传送门 python3+opencv学习笔记汇总目录(适合基础入门学习) 进阶版笔记目录: python+opencv进阶版学习笔记目录(适合有一定基础) Numpy操作图像 1.遍历图像每一 ...
OpenCV与图像处理学习一——图像基础知识、读入、显示、保存图像、灰度转化、通道分离与合并
OpenCV与图像处理学习一--图像基础知识.读入.显示.保存图像.灰度转化.通道分离与合并一.图像基础知识 1.1 数字图像的概念 1.2 数字图像的应用 1.3 OpenCV介绍二.图像属性 ...
图像通道分离与合并操作
图像通道分离与合并操作文章目录图像通道分离与合并操作一.图片的通道分离与合并二.编程要求一.图片的通道分离与合并对于一幅的数字图像,我们看到的是一幅真正的图片,但是对于计算机,这副图像只是 ...
OpenCV数字图像处理(5) 像素访问之添加椒盐实例通道分离与合并
[转载请注明出处:http://blog.csdn.net/leytton/article/details/35991945] 配套使用的OpenCV版本:2.4.9 ; Python版本:2.7 主 ...
图片的色彩空间转换、简单色彩跟踪与通道分离、合并(三)
一图片的色彩空间转换灰度色彩空间单通道,取值范围[0,255] 0黑255白 RGB色彩空间(opencv中习惯用BGR) opencv中R,G,B三通道取值范围均为[0,255]. HSV/H ...
OpenCV--颜色通道分离和合并
OpenCV–颜色通道分离和合并颜色通道分离: 语法: mv = cv.split( img[, mv] ) img:输入的多通道的图像数组: mv:数组的输出向量:如果需要,数组本身被重新分配(B ...
【OpenCV3】图像通道分离与合并——cv::split()与cv::merge()详解
在图像处理中,尤其是处理多通道图像时,有时需要对各个通道进行分离,分别处理:有时还需要对分离处理后的各个通道进行合并,重新合并成一个多通道的图像.opencv2和opencv3中实现图像通道的合并与分 ...

图像的通道分离与合并

图像的通道分离与合并相关推荐

最新文章

热门文章