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與圖像處理學(xué)習(xí)一——圖像基礎(chǔ)知識(shí)、讀入、顯示、保存圖像、灰度轉(zhuǎn)化、通道分離與合并
- 一、圖像基礎(chǔ)知識(shí)
- 1.1 數(shù)字圖像的概念
- 1.2 數(shù)字圖像的應(yīng)用
- 1.3 OpenCV介紹
- 二、圖像屬性
- 2.1 圖像格式
- 2.2 圖像尺寸
- 2.2.1 讀入圖像
- 2.2.2 顯示圖像
- 2.2.3 保存圖像
- 2.3 圖像分辨率和通道數(shù)
- 2.3.1 灰度轉(zhuǎn)化
- 2.3.2 RGB與BGR轉(zhuǎn)化
- 2.3.3 通道分離
- 2.3.4 通道合并
圖像處理與OpenCV作為CV方向的基礎(chǔ)，在正式系統(tǒng)地學(xué)習(xí)論文之前，有必要對(duì)其進(jìn)行系統(tǒng)的學(xué)習(xí)。而OpenCV作為使用最為廣泛的圖像處理工具包，這里將其作為學(xué)習(xí)的工具，因?yàn)檩^為熟悉python，所以使用OpenCV的python接口來(lái)完成代碼。
圖像處理與OpenCV的學(xué)習(xí)主要包括五個(gè)部分：
- 圖像基礎(chǔ)知識(shí)
- 圖像處理
- 圖像分割
- 圖像特征與目標(biāo)檢測(cè)
- 運(yùn)動(dòng)目標(biāo)識(shí)別（視頻）
ps：OpenCV-python版的官方文檔：https://docs.opencv.org/4.1.2/d6/d00/tutorial_py_root.html
一、圖像基礎(chǔ)知識(shí)
1.1 數(shù)字圖像的概念
數(shù)字圖像又稱為數(shù)碼圖像或數(shù)位圖像，是二維圖像用有限數(shù)字?jǐn)?shù)值像素的表示，由數(shù)組成矩陣來(lái)表示。下圖是一個(gè)例子：
我們看見(jiàn)的圖像在計(jì)算機(jī)中其實(shí)是由一個(gè)個(gè)像素組成的，每個(gè)像素有其具體數(shù)值。
也可以理解為一個(gè)二維函數(shù) f(x,y)，其中x和y是空間（平面）坐標(biāo)，而在任意坐標(biāo)處幅值 f 稱為圖像在該點(diǎn)處的強(qiáng)度或灰度。
1.2 數(shù)字圖像的應(yīng)用
圖像處理、機(jī)器視覺(jué)與人工智能的關(guān)系：
- 圖像處理主要研究二維檢測(cè)，處理一個(gè)圖像或一組圖像之間的相互轉(zhuǎn)換的過(guò)程，包括圖像濾波、圖像識(shí)別、圖像分割等問(wèn)題。
- 機(jī)器視覺(jué)主要研究映射到單幅或多幅圖像上的三維場(chǎng)景，從圖像中提取抽象的語(yǔ)義信息，實(shí)現(xiàn)圖像理解是CV的終極目標(biāo)。
- 人工智能在計(jì)算機(jī)視覺(jué)上的目標(biāo)就是解決像素值和語(yǔ)義之間的關(guān)系，主要的問(wèn)題有圖片檢測(cè)、圖片識(shí)別、圖片分割和檢索等。
1.3 OpenCV介紹
OpenCV于1999年由Intel建立；是一個(gè)開(kāi)源發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)；支持的操作系統(tǒng)有Linux、Windows、Android、macOS。
由C函數(shù)與少量C++類構(gòu)成，支持Python、Java、MATLAB等接口，是數(shù)字圖像處理和CV領(lǐng)域最常見(jiàn)的工具包，是學(xué)習(xí)、科研、企業(yè)項(xiàng)目的好幫手。
OpenCV的安裝（默認(rèn)python已經(jīng)安裝）：
打開(kāi)命令行，輸入以下命令，即可自動(dòng)下載安裝：
pip install opencv-contrib-python二、圖像屬性
2.1 圖像格式
常見(jiàn)的圖像格式如下所示：
2.2 圖像尺寸
圖像尺寸的長(zhǎng)度和寬度是以像素為單位的，比如下面圖片的尺寸是240×150，這個(gè)數(shù)字的單位就是像素。那么像素具體是什么含義？
像素pixel：
像素是數(shù)碼影像最基本的單位。1.1那張圖中數(shù)字化后圖片變成了一個(gè)個(gè)小格子組成的大矩陣，每個(gè)小格子就是一個(gè)像素，它里面會(huì)有一個(gè)值，灰度像素點(diǎn)的值的范圍在0~255之間，0表示黑色，255表示白色，其他值是介于黑白之間的不同灰；
如果是彩色圖，會(huì)需要用到紅、綠、藍(lán)三個(gè)通道的二維矩陣來(lái)表示，在每個(gè)通道中，每個(gè)值也介于0~255之間，0表示相應(yīng)的基色，而255表示相應(yīng)基色在該像素中取得的最大值。
2.2.1 讀入圖像
cv2.imread( filename[, flags] )參數(shù)：第一個(gè)參數(shù)為讀入圖像的路徑；第二個(gè)則是讀取的方式，常見(jiàn)方式有：
- cv2.IMREAD_COLOR：默認(rèn)方式，讀取彩色圖像，也可以用 1 來(lái)表示。
- cv2.IMREAD_GRAYSCALE：讀取圖像為灰度圖，也可以用 0 來(lái)表示。
- cv2.IMREAD_UNCHANGED：讀取彩色圖，并且包括透明度通道，也可以用 -1 來(lái)表示。
舉例：
# 導(dǎo)入opencv的python版本依賴庫(kù)cv2 import cv2 # 使用opencv中imread函數(shù)讀取圖片， # 0代表灰度圖形式打開(kāi)，1代表彩色形式打開(kāi) img = cv2.imread('split.jpg', 1) print(img.shape)輸出為這張圖片的尺寸（shape）：
(459, 571, 3)2.2.2 顯示圖像
cv2.imshow( winname, mat )參數(shù)：第一個(gè)參數(shù)為窗口的名字（顯示圖片必須先有一個(gè)窗口），第二個(gè)參數(shù)為圖像變量名。
舉例：
# 導(dǎo)入opencv的python版本依賴庫(kù)cv2 import cv2 # 使用opencv中imread函數(shù)讀取圖片， # 0代表灰度圖形式打開(kāi)，1代表彩色形式打開(kāi) img = cv2.imread('split.jpg', 1) print(img.shape) # print(img)cv2.imshow('photo', img) k = cv2.waitKey(0) if k == 27: # 輸入ESC鍵退出cv2.destroyAllWindows() elif k == ord('s'): # 輸入S鍵保存圖片并退出cv2.imwrite('split_.jpg', img) cv2.destroyAllWindows()其中cv2.waitKey()函數(shù)是一個(gè)鍵盤綁定函數(shù)，單位為毫秒，即程序等待鍵盤輸入多少毫秒，在這等待的時(shí)間內(nèi)從鍵盤輸入的鍵值會(huì)賦給k，然后k去進(jìn)行下一步程序，如cv2.waitKey(1000)就是等待1s；如果參數(shù)值為0，則表示一直等待直到鍵盤有輸入。
另外，cv2.destroyAllWindows()函數(shù)表示刪除窗口，默認(rèn)刪除所有窗口，參數(shù)為待刪窗口名。
2.2.3 保存圖像
cv2.imwrite( filename, img[, params] )參數(shù)：第一個(gè)參數(shù)為希望保存成的圖像名（包括格式（后綴）），第二個(gè)參數(shù)為待寫(xiě)入的圖像變量名。
2.2.2的代碼已經(jīng)給出了舉例。
2.3 圖像分辨率和通道數(shù)
分辨率是指單位長(zhǎng)度中所表達(dá)或截取的像素?cái)?shù)目。每英寸圖像內(nèi)的像素點(diǎn)數(shù)，單位是像素每英寸（ppi）。圖像的分辨率越高，像素點(diǎn)密度越高，圖像越清晰。
通道數(shù)是指圖像的位深度，描述圖像中每個(gè)pixel數(shù)值所占的二進(jìn)制位數(shù)。位深度越大則圖像能表示的顏色數(shù)越多，色彩就越豐富。有以下幾種位深度：
- 8位：單通道圖像，也就是灰度圖，灰度值取值種類為2 ^ 8 = 256種，即0~255。
- 24位：三通道，彩色圖像，每個(gè)通道都有8位。
- 32位：三通道彩色圖像加上透明度Alpha通道。
2.3.1 灰度轉(zhuǎn)化
目的：將彩色圖轉(zhuǎn)化為灰度圖。
公式：
- 3通道彩圖->1通道灰圖：GRAY = B * 0.114 + G * 0.587 + R * 0.299
- 1通道灰圖->3通道灰圖：R = G = B = GRAY；A = 0
函數(shù)為：
cv2.cvtColor( src, code[, dst[, dstCn]] )參數(shù)：第一個(gè)參數(shù)就是待轉(zhuǎn)化的圖像變量；第二個(gè)參數(shù)是轉(zhuǎn)換模式，OpenCV有二百多種模式轉(zhuǎn)換，具體可以通過(guò)以下代碼查看：
>>> import cv2 as cv >>> flags = [i for i in dir(cv) if i.startswith('COLOR_')] >>> print( flags )輸出如下：
['COLOR_BAYER_BG2BGR', 'COLOR_BAYER_BG2BGRA', 'COLOR_BAYER_BG2BGR_EA', 'COLOR_BAYER_BG2BGR_VNG', 'COLOR_BAYER_BG2GRAY', 'COLOR_BAYER_BG2RGB', 'COLOR_BAYER_BG2RGBA', 'COLOR_BAYER_BG2RGB_EA', 'COLOR_BAYER_BG2RGB_VNG', 'COLOR_BAYER_GB2BGR', 'COLOR_BAYER_GB2BGRA', 'COLOR_BAYER_GB2BGR_EA', 'COLOR_BAYER_GB2BGR_VNG', 'COLOR_BAYER_GB2GRAY', 'COLOR_BAYER_GB2RGB', 'COLOR_BAYER_GB2RGBA', 'COLOR_BAYER_GB2RGB_EA', 'COLOR_BAYER_GB2RGB_VNG', 'COLOR_BAYER_GR2BGR', 'COLOR_BAYER_GR2BGRA', 'COLOR_BAYER_GR2BGR_EA', 'COLOR_BAYER_GR2BGR_VNG', 'COLOR_BAYER_GR2GRAY', 'COLOR_BAYER_GR2RGB', 'COLOR_BAYER_GR2RGBA', 'COLOR_BAYER_GR2RGB_EA', 'COLOR_BAYER_GR2RGB_VNG', 'COLOR_BAYER_RG2BGR', 'COLOR_BAYER_RG2BGRA', 'COLOR_BAYER_RG2BGR_EA', 'COLOR_BAYER_RG2BGR_VNG', 'COLOR_BAYER_RG2GRAY', 'COLOR_BAYER_RG2RGB', 'COLOR_BAYER_RG2RGBA', 'COLOR_BAYER_RG2RGB_EA', 'COLOR_BAYER_RG2RGB_VNG', 'COLOR_BGR2BGR555', 'COLOR_BGR2BGR565', 'COLOR_BGR2BGRA', 'COLOR_BGR2GRAY', 'COLOR_BGR2HLS', 'COLOR_BGR2HLS_FULL', 'COLOR_BGR2HSV', 'COLOR_BGR2HSV_FULL', 'COLOR_BGR2LAB', 'COLOR_BGR2LUV', 'COLOR_BGR2Lab', 'COLOR_BGR2Luv', 'COLOR_BGR2RGB', 'COLOR_BGR2RGBA', 'COLOR_BGR2XYZ', 'COLOR_BGR2YCR_CB', 'COLOR_BGR2YCrCb', 'COLOR_BGR2YUV', 'COLOR_BGR2YUV_I420', 'COLOR_BGR2YUV_IYUV', 'COLOR_BGR2YUV_YV12', 'COLOR_BGR5552BGR', 'COLOR_BGR5552BGRA', 'COLOR_BGR5552GRAY', 'COLOR_BGR5552RGB', 'COLOR_BGR5552RGBA', 'COLOR_BGR5652BGR', 'COLOR_BGR5652BGRA', 'COLOR_BGR5652GRAY', 'COLOR_BGR5652RGB', 'COLOR_BGR5652RGBA', 'COLOR_BGRA2BGR', 'COLOR_BGRA2BGR555', 'COLOR_BGRA2BGR565', 'COLOR_BGRA2GRAY', 'COLOR_BGRA2RGB', 'COLOR_BGRA2RGBA', 'COLOR_BGRA2YUV_I420', 'COLOR_BGRA2YUV_IYUV', 'COLOR_BGRA2YUV_YV12', 'COLOR_BayerBG2BGR', 'COLOR_BayerBG2BGRA', 'COLOR_BayerBG2BGR_EA', 'COLOR_BayerBG2BGR_VNG', 'COLOR_BayerBG2GRAY', 'COLOR_BayerBG2RGB', 'COLOR_BayerBG2RGBA', 'COLOR_BayerBG2RGB_EA', 'COLOR_BayerBG2RGB_VNG', 'COLOR_BayerGB2BGR', 'COLOR_BayerGB2BGRA', 'COLOR_BayerGB2BGR_EA', 'COLOR_BayerGB2BGR_VNG', 'COLOR_BayerGB2GRAY', 'COLOR_BayerGB2RGB', 'COLOR_BayerGB2RGBA', 'COLOR_BayerGB2RGB_EA', 'COLOR_BayerGB2RGB_VNG', 'COLOR_BayerGR2BGR', 'COLOR_BayerGR2BGRA', 'COLOR_BayerGR2BGR_EA', 'COLOR_BayerGR2BGR_VNG', 'COLOR_BayerGR2GRAY', 'COLOR_BayerGR2RGB', 'COLOR_BayerGR2RGBA', 'COLOR_BayerGR2RGB_EA', 'COLOR_BayerGR2RGB_VNG', 'COLOR_BayerRG2BGR', 'COLOR_BayerRG2BGRA', 'COLOR_BayerRG2BGR_EA', 'COLOR_BayerRG2BGR_VNG', 'COLOR_BayerRG2GRAY', 'COLOR_BayerRG2RGB', 'COLOR_BayerRG2RGBA', 'COLOR_BayerRG2RGB_EA', 'COLOR_BayerRG2RGB_VNG', 'COLOR_COLORCVT_MAX', 'COLOR_GRAY2BGR', 'COLOR_GRAY2BGR555', 'COLOR_GRAY2BGR565', 'COLOR_GRAY2BGRA', 'COLOR_GRAY2RGB', 'COLOR_GRAY2RGBA', 'COLOR_HLS2BGR', 'COLOR_HLS2BGR_FULL', 'COLOR_HLS2RGB', 'COLOR_HLS2RGB_FULL', 'COLOR_HSV2BGR', 'COLOR_HSV2BGR_FULL', 'COLOR_HSV2RGB', 'COLOR_HSV2RGB_FULL', 'COLOR_LAB2BGR', 'COLOR_LAB2LBGR', 'COLOR_LAB2LRGB', 'COLOR_LAB2RGB', 'COLOR_LBGR2LAB', 'COLOR_LBGR2LUV', 'COLOR_LBGR2Lab', 'COLOR_LBGR2Luv', 'COLOR_LRGB2LAB', 'COLOR_LRGB2LUV', 'COLOR_LRGB2Lab', 'COLOR_LRGB2Luv', 'COLOR_LUV2BGR', 'COLOR_LUV2LBGR', 'COLOR_LUV2LRGB', 'COLOR_LUV2RGB', 'COLOR_Lab2BGR', 'COLOR_Lab2LBGR', 'COLOR_Lab2LRGB', 'COLOR_Lab2RGB', 'COLOR_Luv2BGR', 'COLOR_Luv2LBGR', 'COLOR_Luv2LRGB', 'COLOR_Luv2RGB', 'COLOR_M_RGBA2RGBA', 'COLOR_RGB2BGR', 'COLOR_RGB2BGR555', 'COLOR_RGB2BGR565', 'COLOR_RGB2BGRA', 'COLOR_RGB2GRAY', 'COLOR_RGB2HLS', 'COLOR_RGB2HLS_FULL', 'COLOR_RGB2HSV', 'COLOR_RGB2HSV_FULL', 'COLOR_RGB2LAB', 'COLOR_RGB2LUV', 'COLOR_RGB2Lab', 'COLOR_RGB2Luv', 'COLOR_RGB2RGBA', 'COLOR_RGB2XYZ', 'COLOR_RGB2YCR_CB', 'COLOR_RGB2YCrCb', 'COLOR_RGB2YUV', 'COLOR_RGB2YUV_I420', 'COLOR_RGB2YUV_IYUV', 'COLOR_RGB2YUV_YV12', 'COLOR_RGBA2BGR', 'COLOR_RGBA2BGR555', 'COLOR_RGBA2BGR565', 'COLOR_RGBA2BGRA', 'COLOR_RGBA2GRAY', 'COLOR_RGBA2M_RGBA', 'COLOR_RGBA2RGB', 'COLOR_RGBA2YUV_I420', 'COLOR_RGBA2YUV_IYUV', 'COLOR_RGBA2YUV_YV12', 'COLOR_RGBA2mRGBA', 'COLOR_XYZ2BGR', 'COLOR_XYZ2RGB', 'COLOR_YCR_CB2BGR', 'COLOR_YCR_CB2RGB', 'COLOR_YCrCb2BGR', 'COLOR_YCrCb2RGB', 'COLOR_YUV2BGR', 'COLOR_YUV2BGRA_I420', 'COLOR_YUV2BGRA_IYUV', 'COLOR_YUV2BGRA_NV12', 'COLOR_YUV2BGRA_NV21', 'COLOR_YUV2BGRA_UYNV', 'COLOR_YUV2BGRA_UYVY', 'COLOR_YUV2BGRA_Y422', 'COLOR_YUV2BGRA_YUNV', 'COLOR_YUV2BGRA_YUY2', 'COLOR_YUV2BGRA_YUYV', 'COLOR_YUV2BGRA_YV12', 'COLOR_YUV2BGRA_YVYU', 'COLOR_YUV2BGR_I420', 'COLOR_YUV2BGR_IYUV', 'COLOR_YUV2BGR_NV12', 'COLOR_YUV2BGR_NV21', 'COLOR_YUV2BGR_UYNV', 'COLOR_YUV2BGR_UYVY', 'COLOR_YUV2BGR_Y422', 'COLOR_YUV2BGR_YUNV', 'COLOR_YUV2BGR_YUY2', 'COLOR_YUV2BGR_YUYV', 'COLOR_YUV2BGR_YV12', 'COLOR_YUV2BGR_YVYU', 'COLOR_YUV2GRAY_420', 'COLOR_YUV2GRAY_I420', 'COLOR_YUV2GRAY_IYUV', 'COLOR_YUV2GRAY_NV12', 'COLOR_YUV2GRAY_NV21', 'COLOR_YUV2GRAY_UYNV', 'COLOR_YUV2GRAY_UYVY', 'COLOR_YUV2GRAY_Y422', 'COLOR_YUV2GRAY_YUNV', 'COLOR_YUV2GRAY_YUY2', 'COLOR_YUV2GRAY_YUYV', 'COLOR_YUV2GRAY_YV12', 'COLOR_YUV2GRAY_YVYU', 'COLOR_YUV2RGB', 'COLOR_YUV2RGBA_I420', 'COLOR_YUV2RGBA_IYUV', 'COLOR_YUV2RGBA_NV12', 'COLOR_YUV2RGBA_NV21', 'COLOR_YUV2RGBA_UYNV', 'COLOR_YUV2RGBA_UYVY', 'COLOR_YUV2RGBA_Y422', 'COLOR_YUV2RGBA_YUNV', 'COLOR_YUV2RGBA_YUY2', 'COLOR_YUV2RGBA_YUYV', 'COLOR_YUV2RGBA_YV12', 'COLOR_YUV2RGBA_YVYU', 'COLOR_YUV2RGB_I420', 'COLOR_YUV2RGB_IYUV', 'COLOR_YUV2RGB_NV12', 'COLOR_YUV2RGB_NV21', 'COLOR_YUV2RGB_UYNV', 'COLOR_YUV2RGB_UYVY', 'COLOR_YUV2RGB_Y422', 'COLOR_YUV2RGB_YUNV', 'COLOR_YUV2RGB_YUY2', 'COLOR_YUV2RGB_YUYV', 'COLOR_YUV2RGB_YV12', 'COLOR_YUV2RGB_YVYU', 'COLOR_YUV420P2BGR', 'COLOR_YUV420P2BGRA', 'COLOR_YUV420P2GRAY', 'COLOR_YUV420P2RGB', 'COLOR_YUV420P2RGBA', 'COLOR_YUV420SP2BGR', 'COLOR_YUV420SP2BGRA', 'COLOR_YUV420SP2GRAY', 'COLOR_YUV420SP2RGB', 'COLOR_YUV420SP2RGBA', 'COLOR_YUV420p2BGR', 'COLOR_YUV420p2BGRA', 'COLOR_YUV420p2GRAY', 'COLOR_YUV420p2RGB', 'COLOR_YUV420p2RGBA', 'COLOR_YUV420sp2BGR', 'COLOR_YUV420sp2BGRA', 'COLOR_YUV420sp2GRAY', 'COLOR_YUV420sp2RGB', 'COLOR_YUV420sp2RGBA', 'COLOR_mRGBA2RGBA']那么這里的灰度轉(zhuǎn)化需要用到的是cv2.COLOR_BGR2GRAY和cv2.COLOR_GRAY2BGR。
舉例如下：
# 導(dǎo)入opencv import cv2 # 讀入原始圖像，使用cv2.IMREAD_UNCHANGED img = cv2.imread("girl.jpg", cv2.IMREAD_UNCHANGED) # 查看打印圖像的shape shape = img.shape print(shape) # 判斷通道數(shù)是否為3通道或4通道 if shape[2] == 3 or shape[2] == 4 :# 將彩色圖轉(zhuǎn)化為單通道圖img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)cv2.imshow("gray_image", img_gray) cv2.imshow("image", img) cv2.waitKey(0) cv2.destroyAllWindows()顯示出來(lái)的原圖與灰度化之后的圖為：
這里的灰度圖是單通道的，若將此時(shí)的img_gray 再通過(guò)cv2.COLOR_GRAY2BGR轉(zhuǎn)為三通道的圖，它將還是灰度圖，只是通道數(shù)變成了三個(gè)，三通道每個(gè)像素上的B、G、R值都相等，且等于img_gray 的那個(gè)像素，代碼如下所示：
效果如圖所示：
視覺(jué)上細(xì)看還是有些許不同，我們搞清楚它們?cè)谟?jì)算機(jī)內(nèi)的區(qū)別就行，再看下原圖、單通道灰度圖、三通道灰度圖的尺寸區(qū)別：
2.3.2 RGB與BGR轉(zhuǎn)化
方法一：用OpenCV自帶的方法
# 導(dǎo)入opencv import cv2 # 讀入圖 img = cv2.imread("dark2.jpg", cv2.IMREAD_COLOR) cv2.imshow("Origin", img) img_cv_method = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) cv2.imshow("After transform", img_cv_method)cv2.waitKey(0) cv2.destroyAllWindows()方法二：用numpy轉(zhuǎn)換，本質(zhì)就是互換B和R通道，所以將方法一的代碼中的cvtColor函數(shù)的那一行替換為
img_cv_method = img[:, :, ::-1]效果是一樣的，得到的原圖和轉(zhuǎn)換之后的圖的顯示如下所示：
2.3.3 通道分離
目的：將彩色圖像分成B、G、R三個(gè)單通道圖像，方便我們對(duì)BGR三個(gè)通道分別操作。
函數(shù)：
cv.split( m[, mv] )參數(shù)：待分離通道的圖像。
舉例：
# 加載opencv import cv2 src = cv2.imread('split.jpg') cv2.imshow('before', src) # 調(diào)用通道分離 b, g, r = cv2.split(src) # 三通道分別顯示 cv2.imshow('blue', b) cv2.imshow('green', g) cv2.imshow('red', r) cv2.waitKey(0) cv2.destroyAllWindows()結(jié)果如下所示：
分離出來(lái)的每個(gè)通道都是一個(gè)灰度圖。如果我們想看它們是對(duì)應(yīng)通道的顏色，可以用下面的代碼：
效果如下所示：
這里我們可以看出，單通道是沒(méi)有顏色的，只有數(shù)值，R、G、B顏色要放在三通道中才能顯示出來(lái)。
2.3.4 通道合并
目的：三個(gè)單獨(dú)的通道合并為一個(gè)彩圖。
函數(shù)：
cv.merge( mv[, dst] )參數(shù)：待合并的通道數(shù)，以list形式輸入。
舉例：
#加載opencv import cv2 src=cv2.imread('split.jpg') cv2.imshow('before',src) #調(diào)用通道分離 b,g,r=cv2.split(src) #將Blue通道數(shù)值修改為0 b[:] = 0 #合并修改后的通道 img_merge=cv2.merge([b,g,r]) cv2.imshow('merge',img_merge) cv2.waitKey(0) cv2.destroyAllWindows()結(jié)果如下所示：
總結(jié)
以上是生活随笔為你收集整理的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、通道分离与合并的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： duilib环境配置以及简单入门介绍
- 下一篇： 矩阵转置函数——指针自增的陷阱