Python 分通道读取图像数据，取经之路第 4 天

今天是持续写作的第 36 / 100 天。
如果你有想要交流的想法、技术，欢迎在评论区留言。

今天这 1 个小时，继续给大家打来 Python 读取图片这一简单的操作。

读取单通道

使用 OpenCV 可以读取某个图片的单一通道，啥叫通道，经过检索，找到了一个相对清楚的解释，希望你也可以看明白。

比较通俗易懂的解释是：灰度图的通道数为 1，彩色图的通道为 3。基本上，描述一个像素点，如果是灰度，那么只需要一个数值来描述它，就是单通道。如果一个像素点，有 RGB 三种颜色来描述它，就是三通道。
4 通道通常为 RGBA，在某些处理中可能会用到。2 通道图像不常见，通常在程序处理中会用到，如傅里叶变换，可能会用到，一个通道为实数，一个通道为虚数，主要是编程方便。还有一种情况就是 16 位图像，本来是 3 通道，但是为了减少数据量，压缩为 16 位，刚好两个通道，常见格式有 RGB555 或 RGB565，也就是说 R 占 5 位，G 占 5 或 6 位，B 占 5 位，也有 RGBA5551 格式。古老的格式，不用也罢。
主要是有些摄像头常采用一些比较“古怪”的格式，没办法。补充一种情况，目前常见的一些摄像头喜欢采用 YUV2 等格式，格式如下 YUYV，在处理的时候可以用 4 通道或者 2 通道来处理。如原格式为：Y1UY2V，插值成为 Y1UV，Y2UV 就成两个彩色点了。YCrCb 也有类似压缩情况。

以上 3 点来自网络，如果原作不希望被转载，希望联系橡皮擦，原文已不可见。

整理一下基本上咱们之前操作的灰度图就是 1 通道的，彩色图是 2 通道或者 4 通道的。而且以橡皮擦经验来看，这个通道之间必然可以转换。

既然 RGB 有 3 个通道，那必然可以读取出每个通道，呈现的效果肯定不同，试一下吧。

读取 R、G、B 通道

一次读取三个通道，分别打开窗口预览一下，图片比较大，注意细节，每个通道都不同，细比对之下，在原图中如果是红色，那么在红色通道中，越进阶白色，因为红色越弄，数值越大。
代码部分：

import cv2
img = cv2.imread("abc.jpg")
cv2.imshow("img show", img)
# 读取蓝色通道，最后一个值为 0
b = img[:, :, 0]
# 读取绿色通道，最后一个值为 1
g = img[:, :, 1]
# 读取红色通道，最后一个值为 2
r = img[:, :, 2]# 分别显示
cv2.imshow("b", b)
cv2.imshow("g", g)
cv2.imshow("r", r)cv2.waitKey()
cv2.destroyAllWindows()

在实现的极端一些，找一个立方体，显示三个颜色红绿蓝，提取单通道如下。

提取哪个通道，哪个通道是白色。

设置 R、G、B 通道

既然可以获取了，那如果按照上一篇内容中提及的把某一个通道设置为 0，在试一下运行效果。
先设置 B = 0，得到下图效果。

img[:,:,0] = 0
cv2.imshow("img_b=0" , img)

设置 G = 0，得到的效果。

img[:,:,1] = 0
cv2.imshow( "img_g=0" , img)

紫色怎么出现的，稍微一猜就能知道红色加蓝色等于紫色，百度一搜，果然如此。

也就是说，你眼中的白，不是纯白，是红绿蓝混合的颜色呗，学过设计的应该比较了解吧。

分离、合并通道

学习过程中还发现了第二种分离通道的方式，采用一个 split 方法即可，测试代码如下：

import cv2
img = cv2.imread("abc.jpg")
cv2.imshow("img show", img)b, g, r = cv2.split(img)cv2.imshow("b", b)
cv2.imshow("g", g)
cv2.imshow("r", r)

得到的最终结果是一样的。

有分离就有合并，合并通道也是采用的一个方法：merge。

img_merge = cv2.merge((b,g,r))
cv2.imshow("img_merge",img_merge)

写到这里，总感觉图像在操作的时候，就是在操作一个数组。

imread 方法再次研究

在这个系列的第一课，橡皮擦就学习了这一个方法，今天在反过来补充一下。

OpenCV 中 imread 函数的第二个参数有如下 6 中情况：

enum{
CV_LOAD_IMAGE_UNCHANGED  =-1,//以图像原始属性读入
CV_LOAD_IMAGE_GRAYSCALE  = 0,//以灰度图像读入
CV_LOAD_IMAGE_COLOR      = 1,//以彩色图像读入
CV_LOAD_IMAGE_ANYDEPTH   = 2,
CV_LOAD_IMAGE_ANYCOLOR   = 4,
CV_LOAD_IMAGE_IGNORE_ORIENTATION  = 128
};

上述内容在代码中实现如下：

import cv2
img_1_ = cv2.imread("h1.png",-1) # 也可以写成 img_1_ = cv2.imread("h1.png",cv2.IMREAD_UNCHANGED)
img_0 = cv2.imread("h1.png",0)
img_1 = cv2.imread("h1.png",1)
img_2 = cv2.imread("h1.png",2)
img_3 = cv2.imread("h1.png",4)
print(img_1_.shape)
print(img_0.shape)
print(img_1.shape)
print(img_2.shape)
print(img_3.shape)

输出的结果为：

# 四通道图
(200, 200, 4)
# 灰度图
(200, 200)
# 三通道图
(200, 200, 3)
# 灰度图
(200, 200)
# 三通道图
(200, 200, 3)

四通道图多出来一个透明通道，即 A（alpha），如果只获取透明通道数据，得到结果如下，原来透明的地方变黑，有颜色的地方变白。提起找一个透明图。如果没有，可以用下面这个蛋糕。

b, g, r, a = cv2.split(img)cv2.imshow("a", a)

今天的 OpenCV 尾声

1 个小时又过去了，继续在基础部分学习，希望本文能对你有一些帮助。知识就是这样，一旦开始了，就会慢慢变的有价值，但是这个过程非常枯燥。

空闲之余，可以订阅橡皮擦的爬虫百例课程学习爬虫知识。

想学 Python 爬虫，可以订阅橡皮擦专栏哦~