彩色图像RGB三通道问题探究

之前做图像问题研究时经常会提到RGB通道，这次做一个小研究，对最底层的东西深究一二……

直接上全部代码吧，一点点来：

   
   

     
     

      
      

     
     
     
     

      
      

       
       # -*- coding: utf-8 -*-
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       import cv2
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       img=cv2.imread(
       
       "0017.png")
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       print(img)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       print(img.shape)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       b=img[:,:,
       
       0]
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       g=img[:,:,
       
       1]
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       r=img[:,:,
       
       2]
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       print(b)
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       b,g,r=cv2.
       
       split(img)           
       
       #拆分通道
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       cv2.imshow(
       
       'original',img)        
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       cv2.imshow(
       
       'B',b)               
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       cv2.imshow(
       
       'G',g)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       cv2.imshow(
       
       'R',r)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       m1=cv2.merge([b,g,r])          
       
       #按照bgr合并通道
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       m2=cv2.merge([r,g,b])          
       
       #按照rgb合并通道
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       cv2.imshow(
       
       'BGR',m1)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       cv2.imshow(
       
       'RGB',m2)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       cv2.waitKey()            
       
       #等待键盘输入，不调用此方法则显示的图像将会一闪而逝
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       cv2.destroyAllWindows()  
       
       #销毁所有窗口
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       print(b)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       print(b.shape)
      
      
     
     
   
   

从头开始，我们用到了cv2模块，及opencv的python版本，在anaconda中安装即可，注意不能直接使用conda install cv2命令，会提示找不到模块，可以使用conda install --channel https://conda.anaconda.org/menpo opencv命令，亲测可以顺利安装，当然你也可以使用Anaconda Navigator安装，也很方便；

一开始遇到两个问题，由于我的路径带有斜杠，然后就报错了：

解决方式有两种：1.在路径前加上‘r’；（r是保持字符串原始值的意思，就是说不对其中的符号进行转义。因为windows下的目录字符串中通常有斜杠"\"，而斜杠在Python的字符串中有转义的作用。---转自网络）

2.将单斜杠改为双斜杠；还有的博文说使用单反斜杠最佳，linux和windows通吃，大家可以试一下

然后运行又报错了：

运行第四行（空行不算，从import cv2开始计算）代码print(img.shape)出错了，没有shape属性，那肯定是img有问题，先输出一下img（第三行代码）：

哎呦，显示none，查了一下原来是我的路径中有中文，emmm，这是一个古老的问题……

将照片放到程序所在的文件夹，直接引用了名称，然后运行第三行和第四行代码，没问题了：

可以看到print(img)后输出的是一连串的数字，又查了下imread（）的返回值，说的比较杂，大概就是像素值吧，从形式上来看应该是每个像素三通道的值，这个在后边会有体现，再看下print（img.shape）:

是个三元组，对比下照片的信息：

显而易见，输出的是（高度，宽度，通道数）

5~8行代码是简单提取了三个通道，这种用法一开始不大理解，搜了些资料，云里雾里，img[x，x，x]到底是个啥，咱们一究到底，增加了几行测试代码：

   
   

     
     

      
      

     
     
     
     

      
      

       
       q=img[
       
       0,:,:]
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       #
       
       print(b)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       print(q)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       print(img[
       
       0,:,:].size)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       print(img[
       
       0,:,:].shape)
      
      
     
     
   
   

看下结果：

有没有发现点什么，看下输出的q是不是上边输出img的第一部分，大小为1650，形状是550*3，考一下大家的空间想象能力，三张550*483的图像叠加在一块，也就是三个单通道合一块，宽为550像素，也就是一行有550个像素，共483行，三个通道共有550*483*3个像素，我们现在取的是第一行（准确地说是第0行），也就是550*3个像素，每个像素由一个三元组表示，比如[51 52 56],这正对应着三个通道，也就是说每个像素都有rgb三个通道，这样大小也就是550*3=1650。

ok，继续往下走，第八行的代码输出b，看下效果：

对比一下输出的img，可以看出，b正是img第一列的大集合，以此类推可以看出g和r为img第二列和第三列的集合，倒数第二行代码也输出了b（在运行此行时注释了第八行），结果显示和第八行的是一样的，都是拆分了img的rgb通道，这里的一个大问题就是rgb通道的顺序，正确的应该是gbr，这个查了下文档，说法不一，有点甚至都没有说明，大家看下第二块代码就能看到，尝试了各种方法去测试，但这有问题，比如我拆分img后依次赋值给bgr，然后再融合，那即使正确的通道顺序为rgb也没啥用，相当于将r赋给了b，这样结果也没有说服力，不过我看到有的博主已经做了很多实验，使用plt调用时默认的rgb，如果直接融合bgr会出问题，这一点大家可以去查一下，现在就默认正确的通道顺序是bgr吧……（这一块说的有点乱，核心思想就是探究正确的通道顺序到底是rgb还是bgr）

 

看下最后的效果：

 大家可以看到，如果通道搞错的话是和原图不一样的，但也挺好看。。至于RGB三张单通道的图很多盆友会问为啥不是红色绿色和蓝色的，emmm，这一点大家可以去百度一下，讲的很清楚，我大致截个图吧：

所以每个单通道都是一张灰度图……

最后一行代码输出一下b通道的形状，大家应该能想到，是一个矩形~~

ok，大致就是这些了，总的来说RGB三通道就是一个三维空间的结合，图像中的每一个像素点都是三个通道合力所致，这对图像的研究是最基本的，相信以后还会有新的发现。

ps.对两部分代码最好分开运行，避免不必要的干扰，运行一部分时先注释掉另一部分，用ctrl+1即可快速多行注释，注释块的话用ctrl+4即可。

---

小小滴更新一点，大家可能发现了matlab中也有imread()方法，那和cv2的有啥区别呢，前者读入的通道顺序是RGB，而后者是BGR，有兴趣的同学可以试验一下。