OpenCV中图像通道操作的深入讲解

目录
  • 1.基本介绍
  • 2.通道拆分
    • 2.1通过索引拆分
    • 2.2通过函数拆分
  • 3.通道合并
  • 总结

1.基本介绍

在OpenCV中,图像通道是按照 B 通道→G 通道→R 通道的顺序存储的。在图像处理过程中,可以根据需要对通道进行拆分和合并。

2.通道拆分

对于RGB图像,可以索引的方式或者函数的方式分别拆分出其RGB通道。

b = img[ : , : , 0 ]
g = img[ : , : , 1 ]
r = img[ : , : , 2 ]

2.1通过索引拆分

import cv2
lena=cv2.imread("lena_color.jpg")
cv2.imshow("lena彩色原图",lena)
b=lena[:,:,0]       # 获取图像的B通道
g=lena[:,:,1]       # 获取图像的G通道
r=lena[:,:,2]       # 获取图像的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通过函数拆分

函数 cv2.split() 能够拆分彩色图像的通道。

语句b,g,r=cv2.split(img)可以获得彩色图像的B 通道图像 b、G 通道图像 g 和 R 通道图像 r。与下面语句是等价的

b=cv2.split(a)[0]
g=cv2.split(a)[1]
r=cv2.split(a)[2]

如下程序的运行结果与通过索引拆分是一样的

import cv2
lena=cv2.imread("lena_color.jpg")
cv2.imshow("lena彩色原图",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过程,可以通过合并通道将三个通道的灰度图像合成一幅彩色图像。函数 cv2.merge()可以实现图像通道的合并,例如有 B 通道图像 b、G 通道图像 g 和 R 通道图像 r,使用函数 cv2.merge()可以将这三个通道合并为一幅 BGR 的三通道彩色图像。实现的语句为:bgr=cv2.merge([b,g,r])

import cv2
lena=cv2.imread("lena_color.jpg")
b,g,r=cv2.split(lena)           # 对lena彩色原图进行通道拆分
bgr=cv2.merge([b,g,r])          # 对通道按照BGR的顺序合并生成图像bgr
brg=cv2.merge([b,r,g])          # 对通道按照BRG的顺序合并生成图像brg
rgb=cv2.merge([r,g,b])          # 对通道按照RGB的顺序合并生成图像rgb
cv2.imshow("bgr",bgr)
cv2.imshow("brg",brg)
cv2.imshow("rgb",rgb)
cv2.waitKey()
cv2.destroyAllWindows()

从输出结果可以知道:改变通道顺序后,图像显示效果会发生变化

总结

到此这篇关于OpenCV中图像通道操作的文章就介绍到这了,更多相关OpenCV图像通道操作内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • 超详细注释之OpenCV更改像素与修改图像通道

    这篇博客将介绍使用Python,OpenCV获取.更改像素,修改图像通道,截取图像感兴趣ROI:单通道图,BGR三通道图,四通道透明图,不透明图: 1. 效果图 原图 VS 更改右下某个像素为红色,更改左上角1/4区域为绿色,效果图如下: 裁剪感兴趣区域:分别截取左上角.右上角.左下角.右下角,各占1/4:效果图如下: 原图 VS 图像单通道灰度图效果如下: 左上原图 VS 右上R通道图 VS 左下G通道图 VS 右下B通道图效果如下: 图像4通道 全透明图 VS 不透明效果图: 2. 源码 #

  • 浅谈python opencv对图像颜色通道进行加减操作溢出

    由于opencv读入图片数据类型是uint8类型,直接加减会导致数据溢出现象 (1)用Numpy操作 可以先将图片数据类型转换成int类型进行计算, data=np.array(image,dtype='int') 经过处理后(如:遍历,将大于255的置为255,小于0的置为0) 再将图片还原成uint8类型 data=np.array(image,dtype='uint8') 注意: (1)如果直接相加,那么 当像素值 > 255时,结果为对256取模的结果,例如:(240+66) % 256

  • OpenCV中图像通道操作的深入讲解

    目录 1.基本介绍 2.通道拆分 2.1通过索引拆分 2.2通过函数拆分 3.通道合并 总结 1.基本介绍 在OpenCV中,图像通道是按照 B 通道→G 通道→R 通道的顺序存储的.在图像处理过程中,可以根据需要对通道进行拆分和合并. 2.通道拆分 对于RGB图像,可以索引的方式或者函数的方式分别拆分出其RGB通道. b = img[ : , : , 0 ] g = img[ : , : , 1 ] r = img[ : , : , 2 ] 2.1通过索引拆分 import cv2 lena=

  • opencv中图像叠加/图像融合/按位操作的实现

    一.图像叠加:cv2.add res=cv2.add(img1, img2) 或者res=cv2.add(img1, 标量值) 参数说明: cv2.add将两个图片对应位置的像素的值相加,或者将每个像素的值加上一个标量值,大于255的像素值就设置成255. 有一点需要注意的是,如果是两张图片相加,那么一定要注意两者的尺寸和通道数必须是一样的:如果是标量值,这个值既可以是整数也可以是浮点数,加合适的标量值一般是为了提高亮度. import cv2 img1 = cv2.imread('1.jpg'

  • python中图像通道分离与合并实例

    我就废话不多说了,直接上代码吧! import cv2 img = cv2.imread("1.jpg") b, g, r = cv2.split(img)  #分离函数 merged = cv2.merge([b,g,r]) #合并函数 cv2.imshow('image',img) cv2.imshow("Blue 1", b) cv2.imshow("Green 1", g) cv2.imshow("Red 1", r)

  • Java中图像锐化操作的方法详解

    一.该图像锐化的思想: 本文的图像锐化是将图像中的R,G,B的值分别从原图像中提出,然后将分别将这三个R,G,B的值分别与卷积核进行卷积,最终再将最后的三个卷积的结果合成为一个像素值,从而实现图像的锐化效果. 二.整体的图像锐化的代码为: package com.yf1105; import java.awt.Color; import java.awt.Graphics; import java.awt.image.BufferedImage; import java.io.File; imp

  • Python OpenCV中的numpy与图像类型转换操作

    Python OpenCV存储图像使用的是Numpy存储,所以可以将Numpy当做图像类型操作,操作之前还需进行类型转换,转换到int8类型 import cv2 import numpy as np # 使用numpy方式创建一个二维数组 img = np.ones((100,100)) # 转换成int8类型 img = np.int8(img) # 颜色空间转换,单通道转换成多通道, 可选可不选 img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) cv2

  • python OpenCV 图像通道数判断

    目录 前言 教程 1.读取/保存图片 1)imread和imwrite方法 2)imdecode和imencode方法 2.编码转换 1)BGR转RGB 2)BGR转GRAY 3.快速判断图像是否单通道灰度图 4.获取图像通道数 前言 OpenCV是图像处理常用的库,作为初学者,往往从图片的读取.保存.查询图片的信息开始,下面将分享Python下OpenCV的一些基本使用方法,掌握这些基本方法后,能够更好地与matplotlib.numpy等结合使用,完成相应的图像操作. 教程 1.读取/保存图

  • java中如何使用BufferedImage判断图像通道顺序并转RGB/BGR

    java中BufferedImage判断图像通道顺序并转RGB/BGR 一般来说Java ImageIO处理读取图像时,一般是RGB或ARGB格式,但是有的时候,我们需要图像是BGR格式, 比如通过JNI将图像矩阵传递给动态库,动态库里用OpenCV来处理矩阵,而用OpenCV处理图像时默认通道顺序是BGR,这时就需要一个到BGR转换. 翻了好Java API好久,还真没发现有直接将RGB转BGR的方法,于是只好自己写一个,以下是代码片段,用于实现判断BufferedImage图像类型及通道顺序

  • 使用Python和OpenCV检测图像中的物体并将物体裁剪下来

    介绍 硕士阶段的毕设是关于昆虫图像分类的,代码写到一半,上周五导师又给我新的昆虫图片数据集了,新图片中很多图片很大,但是图片中的昆虫却很小,所以我就想着先处理一下图片,把图片中的昆虫裁剪下来,这样除去大部分无关背景,应该可以提高识别率. 原图片举例(将红色矩形框部分裁剪出来)): step1:加载图片,转成灰度图 image = cv2.imread("353.jpg") gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) step2:用Sob

  • 利用OpenCV中对图像数据进行64F和8U转换的方式

    在OpenCV中很多对数据的运算都需要转换为64F类型,比如伽玛变换,这个很明显要求幂的底数是double类型~ 而cvShowImage()又要求是U8才能显示,否则显示出来是一片空白! 所以经常要进行转换,怎么做呢?看了下面的几行代码你就知道了! IplImage *pSrcImage = cvLoadImage("pout.jpg", CV_LOAD_IMAGE_UNCHANGED); IplImage *pGrayImage_8U = cvCreateImage(cvGetSi

随机推荐