OpenCV 函数学习11-图像通道的拆分(cv2.split)

Posted Python小白进阶

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了OpenCV 函数学习11-图像通道的拆分(cv2.split)相关的知识,希望对你有一定的参考价值。

11. 图像通道的拆分(cv2.split)

函数 cv2.split() 将 3 通道 BGR 彩色图像分离为 B、G、R 单通道图像。

函数说明:

cv2.split(img[, mv]) -> retval # 图像拆分为 BGR 通道

  • 函数 cv2.split() 传入一个图像数组,并将图像拆分为 B/G/R 三个通道。

参数说明:

  • img:图像数据,nparray 多维数组
  • mv:指定的分拆通道(可选)

注意事项:

  1. 对于 openCV 使用的 BGR 格式图像,返回的分拆通道的次序为 B、G、R 通道。
  2. BGR 彩色图像的数据形状为 (width, height, channels=3),返回的 B/G/R 通道的数据形状为 (width, height),不能按照 BGR 彩色图像直接显示。
  3. 如果直接用 imshow 显示返回的单通道对象,将被视为 (width, height) 形状的灰度图像显示。
  4. 如果要正确显示某一颜色分量,需要增加另外两个通道值(置 0)转换为 BGR 三通道格式,再用 imshow 才能显示为拆分通道的颜色。
  5. cv2.split() 操作复杂耗时,可以直接使用 NumPy 切片得到分离通道。

基本例程:

    # 1.19 图像拆分通道
    img1 = cv2.imread("../images/imgB1.jpg", flags=1)  # flags=1 读取彩色图像(BGR)
    cv2.imshow("BGR", img1)  # BGR 图像

    # BGR 通道拆分
    bImg, gImg, rImg = cv2.split(img1)  # 拆分为 BGR 独立通道
    cv2.imshow("rImg", rImg)  # 直接显示红色分量 rImg 显示为灰度图像
    
    # 将单通道扩展为三通道
    imgZeros = np.zeros_like(img1)  # 创建与 img1 相同形状的黑色图像
    imgZeros[:,:,2] = rImg  # 在黑色图像模板添加红色分量 rImg
    cv2.imshow("channel R", imgZeros)  # 扩展为 BGR 通道
    
    print(img1.shape, rImg.shape, imgZeros.shape)
    cv2.waitKey(0)
    cv2.destroyAllWindows()  # 释放所有窗口

本例程的运行结果如下:

(512, 512, 3) (512, 512) (512, 512, 3)

运行结果表明:

  1. 彩色图像 img1 的形状为 (512, 512, 3),拆分的 R 通道 rImg 的形状为 (512, 512)。
  2. 用 imshow 显示 rImg,将被视为 (512, 512) 形状的灰度图像显示,不能显示为红色通道。
  3. 对 rImg 增加 B、G 两个通道值(置 0)转换为 BGR格式,再用 imshow 才能显示红色通道的颜色。

扩展例程:
使用 NumPy 切片得到分离通道更为简便,而且运行速度比 cv2.split 更快。

    # 1.20 图像拆分通道 (Numpy切片)
    img1 = cv2.imread("../images/imgB1.jpg", flags=1)  # flags=1 读取彩色图像(BGR)
    
    # 获取 B 通道
    bImg = img1.copy()  # 获取 BGR
    bImg[:, :, 1] = 0  # G=0
    bImg[:, :, 2] = 0  # R=0
    
    # 获取 G 通道
    gImg = img1.copy()  # 获取 BGR
    gImg[:, :, 0] = 0  # B=0
    gImg[:, :, 2] = 0  # R=0
    
    # 获取 R 通道
    rImg = img1.copy()  # 获取 BGR
    rImg[:, :, 0] = 0  # B=0
    rImg[:, :, 1] = 0  # G=0
    
    # 消除 B 通道
    grImg = img1.copy()  # 获取 BGR
    grImg[:, :, 0] = 0  # B=0
    
    plt.subplot(221), plt.title("1. B channel"), plt.axis('off')
    bImg = cv2.cvtColor(bImg, cv2.COLOR_BGR2RGB)  # 图片格式转换:BGR(OpenCV) -> RGB(PyQt5)
    plt.imshow(bImg)  # matplotlib 显示 channel B
    plt.subplot(222), plt.title("2. G channel"), plt.axis('off')
    gImg = cv2.cvtColor(gImg, cv2.COLOR_BGR2RGB)
    plt.imshow(gImg)  # matplotlib 显示 channel G
    plt.subplot(223), plt.title("3. R channel"), plt.axis('off')
    rImg = cv2.cvtColor(rImg, cv2.COLOR_BGR2RGB)
    plt.imshow(rImg)  # matplotlib 显示 channel R
    plt.subplot(224), plt.title("4. GR channel"), plt.axis('off')
    grImg = cv2.cvtColor(grImg, cv2.COLOR_BGR2RGB)
    plt.imshow(grImg)  # matplotlib 显示 channel GR
    plt.show()

本例程的运行结果如下,GR channel 是消除 B通道(保留 G/R 通道的图像):

以上是关于OpenCV 函数学习11-图像通道的拆分(cv2.split)的主要内容,如果未能解决你的问题,请参考以下文章

openCV-python(六)图像操作——通道拆分与合并

OpenCV学习笔记3基础:图像基本操作

OpenCV学习笔记3基础:图像基本操作

OpenCV学习笔记3基础:图像基本操作

OpenCV学习笔记3基础:图像基本操作

OpenCV+python 彩色图像通道拆分与组合并判断size,shape函数的用法与区别