OpenCV中圖像通道操作的深入講解
1.基本介紹
在OpenCV中,圖像通道是按照 B 通道→G 通道→R 通道的順序存儲(chǔ)的。在圖像處理過(guò)程中,可以根據(jù)需要對(duì)通道進(jìn)行拆分和合并。
2.通道拆分
對(duì)于RGB圖像,可以索引的方式或者函數(shù)的方式分別拆分出其RGB通道。
b = img[ : , : , 0 ] g = img[ : , : , 1 ] r = img[ : , : , 2 ]
2.1通過(guò)索引拆分
import cv2
lena=cv2.imread("lena_color.jpg")
cv2.imshow("lena彩色原圖",lena)
b=lena[:,:,0] # 獲取圖像的B通道
g=lena[:,:,1] # 獲取圖像的G通道
r=lena[:,:,2] # 獲取圖像的R通道
cv2.imshow("B通道",b)
cv2.imshow("G通道",g)
cv2.imshow("R通道",r)
cv2.waitKey()
cv2.destroyAllWindows()


2.2通過(guò)函數(shù)拆分
函數(shù) cv2.split() 能夠拆分彩色圖像的通道。
語(yǔ)句b,g,r=cv2.split(img)可以獲得彩色圖像的B 通道圖像 b、G 通道圖像 g 和 R 通道圖像 r。與下面語(yǔ)句是等價(jià)的
b=cv2.split(a)[0] g=cv2.split(a)[1] r=cv2.split(a)[2]
如下程序的運(yùn)行結(jié)果與通過(guò)索引拆分是一樣的
import cv2
lena=cv2.imread("lena_color.jpg")
cv2.imshow("lena彩色原圖",lena)
b,g,r=cv2.split(lena)
cv2.imshow("B通道",b)
cv2.imshow("G通道",g)
cv2.imshow("R通道",r)
cv2.waitKey()
cv2.destroyAllWindows()
3.通道合并
通道合并是通道拆分的逆過(guò)程,可以通過(guò)合并通道將三個(gè)通道的灰度圖像合成一幅彩色圖像。函數(shù) cv2.merge()可以實(shí)現(xiàn)圖像通道的合并,例如有 B 通道圖像 b、G 通道圖像 g 和 R 通道圖像 r,使用函數(shù) cv2.merge()可以將這三個(gè)通道合并為一幅 BGR 的三通道彩色圖像。實(shí)現(xiàn)的語(yǔ)句為:bgr=cv2.merge([b,g,r])
import cv2
lena=cv2.imread("lena_color.jpg")
b,g,r=cv2.split(lena) # 對(duì)lena彩色原圖進(jìn)行通道拆分
bgr=cv2.merge([b,g,r]) # 對(duì)通道按照BGR的順序合并生成圖像bgr
brg=cv2.merge([b,r,g]) # 對(duì)通道按照BRG的順序合并生成圖像brg
rgb=cv2.merge([r,g,b]) # 對(duì)通道按照RGB的順序合并生成圖像rgb
cv2.imshow("bgr",bgr)
cv2.imshow("brg",brg)
cv2.imshow("rgb",rgb)
cv2.waitKey()
cv2.destroyAllWindows()
從輸出結(jié)果可以知道:改變通道順序后,圖像顯示效果會(huì)發(fā)生變化

總結(jié)
到此這篇關(guān)于OpenCV中圖像通道操作的文章就介紹到這了,更多相關(guān)OpenCV圖像通道操作內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python3.6.8 + pycharm + PyQt5 環(huán)境搭建的圖文教程
這篇文章主要介紹了python3.6.8 + pycharm + PyQt5 環(huán)境搭建,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-06-06
python爬取王者榮耀全皮膚的簡(jiǎn)單實(shí)現(xiàn)代碼
在本篇文章里小編給大家分享的是一篇關(guān)于16行python代碼 爬取王者榮耀全皮膚的知識(shí)點(diǎn)內(nèi)容,有興趣的朋友們學(xué)習(xí)下。2020-01-01
Tensorflow2.4使用Tuner選擇模型最佳超參詳解
這篇文章主要介紹了Tensorflow2.4使用Tuner選擇模型最佳超參詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-11-11
關(guān)于torch.flatten()函數(shù)及x=x.view()函數(shù)的理解
這篇文章主要介紹了關(guān)于torch.flatten()函數(shù)及x=x.view()函數(shù)的理解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2025-04-04
淺談keras 的抽象后端(from keras import backend as K)
這篇文章主要介紹了淺談keras 的抽象后端(from keras import backend as K),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06

