通道分离与合并

1. 彩色图像的通道概念

在数字图像中，彩色图像通常使用 三通道 表示：

• R（Red 红色通道）：记录每个像素的红色强度。

• G（Green 绿色通道）：记录绿色强度。

• B（Blue 蓝色通道）：记录蓝色强度。

💡 在 OpenCV 中默认是 BGR 顺序：

• OpenCV 读取的彩色图像是 (高度, 宽度, 3) 的 NumPy 数组，最后一个维度存储 B、G、R 三个通道的像素值。

• 每个通道是一个二维数组（灰度图），取值范围是 0~255（uint8 类型）。

• 例如：

img.shape  # (480, 640, 3)

说明图片高 480 像素，宽 640 像素，有 3 个颜色通道。

2. 为什么要分离通道？

通道分离常用于：

1. 颜色分析：单独观察红色、绿色、蓝色的分布情况。

2. 特征提取：在计算机视觉中，可能只处理某一个颜色通道（例如检测红色物体时只用 R 通道）。

3. 图像处理：对某个通道进行增强、滤波，再合并回去。

4. 颜色操作：交换通道顺序、去掉某个通道等。

3. 常用函数

cv2.split(img)

• 作用：将三通道彩色图像分离成三个单通道图像。

• 返回值：B、G、R 三个灰度图。

• 注意：cv2.split() 会复制数据，比直接切片略慢。

• 示例：

b, g, r = cv2.split(img)

cv2.merge([b, g, r])

• 作用：将单通道图像合并成多通道图像。

• 参数：通道顺序决定最终的颜色。

• 示例：

merged = cv2.merge([b, g, r])

💡 小技巧：可以用数组切片直接获取通道：

b = img[:, :, 0]  # 蓝色通道
g = img[:, :, 1]  # 绿色通道
r = img[:, :, 2]  # 红色通道

这种方法速度更快，因为它不会复制数据。

4. 显示通道

• 直接显示通道：会看到灰度图，因为通道本质是强度值。

• 彩色显示通道：需要将其他两个通道置 0，然后合并成彩色图像，才能看到真实颜色的效果。

示例：

import numpy as np

zero = np.zeros_like(b)
blue_img = cv2.merge([b, zero, zero])
green_img = cv2.merge([zero, g, zero])
red_img = cv2.merge([zero, zero, r])

5. 可能的坑

1. 颜色顺序错误：在 OpenCV 中是 BGR，如果按 RGB 合并会导致颜色失真。

2. 数据类型：必须保持 uint8，否则显示时可能出错。

3. 通道尺寸不一致：合并前要确保三个通道的尺寸完全一致，否则会报错。

6. 练习任务

1. 分离出三通道并分别显示（灰度模式）。

2. 将蓝色通道置 0，重新合并，看看颜色变化。

3. 交换通道顺序（如 R 和 B 对调），观察图像颜色变化。

4. 对某个通道做增强（如增加亮度），再合并回去。