Opencv学习笔记03 -- 通道分离

最新推荐文章于 2024-10-01 16:48:39 发布

Arcgo

最新推荐文章于 2024-10-01 16:48:39 发布

阅读量361

点赞数

分类专栏： Opencv学习笔记文章标签： opencv 计算机视觉

本文链接：https://blog.csdn.net/Arcgo/article/details/104775221

版权

这篇博客介绍了OpenCV中的图像通道处理，包括如何分离RGB图片的蓝、绿、红通道，以及如何将通道合并回原图像。通过分离通道，图像会变成黑白，而重新合并通道可以恢复彩色图像。内容强调了OpenCV中通道顺序为BGR，并提供了检查降维和合并操作的实践方法。

摘要由CSDN通过智能技术生成

简介

我们知道任何一张彩色图片都是由3个通道组成的即（RGB）
而任何一张黑白图片只有两个通道
在RGB中每一个通道的取值时0-255,如下图所示
在这里插入图片描述

操作（分离图片通道）

import cv2

p = cv2.imread('1024px-RGB_Cube_Show_lowgamma_cutout_b-1024x768.png',1)
cv2.imshow('p',p)
#分离通道
b,g,r= cv2.split(p)
cv2.imshow('blue'

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Arcgo

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

OpenCv学习笔记2--模糊滤波,边缘检测

小熊猫的博客

11-12

1960

此opencv系列博客只是为了记录小编对<<opencv3计算机视觉-pyhton语言实现>>的学习笔记,所有代码在我的github主页https://github.com/RenDong3/OpenCV_Notes. 欢迎star,不定时更新... 一不同色彩空间的转换 OpenCV中有数百种关于在不同色彩空间之间转换的方法。当前，在计算机中有三种常用的色彩空间：...

图像的通道分离与合并

weixin_60788088的博客

01-26

5791

图像的通道分离与合并

参与评论您还未登录，请先登录后发表或查看评论

【个人笔记】11 通道分离与合并

CSDN仅为笔记之用。

01-22

1901

11 通道分离与合并

OpenCV4通道的分离split()，通道的合并merge()，通道的混合mixChannels()

每一个不曾起舞的日子，都是对生命的辜负

07-07

3164

opencv中默认imread函数加载图像文件，加载进来的是三通道彩色图像，色彩空间是RGB色彩空间，通道顺序是BGR（蓝色、绿色、红色），对于三通道的图像OpenCV中提供了三个API函数用以实现通道分离split()，合并merge()，混合mixChannels()；两种函数原型的用法相同，用于将多通道的图像分离成若干单通道的图像，两个函数原型的不同之处在于，分离后的Mat型单通道图像，用Mat型数组存储，还是用vector容器存储，

C++下OpenCV学习笔记 ----图像叠加与混合

X_To_Y的博客

02-20

5814

C++下OpenCV学习笔记 ----图像叠加与混合文章目录一.感兴趣区域：ROI 二.线性混合操作三.计算数组的加权和：addWeighted函数四.颜色通道的分离与合并五.图像的亮度和对比度

C++下OpenCV学习笔记----离散傅里叶变换

X_To_Y的博客

02-22

1262

C++下OpenCV学习笔记 ----离散傅里叶变换文章目录C++下OpenCV学习笔记一.离散傅里叶变换二.dft( )函数三.返回DFT最优尺寸大小：getOptimalDFTSize( )函数四.扩充图像边界：copyMakeBorder( )函数五.计算二维矢量的幅值：magnitude( )函数六.计算自然对数：log( )函数七.矩阵归一化：normalize( )函数

《OpenCV3编程入门》第5章-学习笔记4-分离颜色通道split()函数详解

王博（Kings）的博客

11-25

1656

分离颜色通道split() C++: void split(const Mat& src, Mat*mvbegin); C++: void split(InputArray m,OutputArrayOfArrays mv); 第一个参数，InputArray类型的m或者const Mat&类型的src，填我们需要进行分离的多通道数组。第二个参数，OutputArra...

将一副图像的RGB三通道分离显示

12-24

这个是基于VC6.0+opencv1.0平台的，用于将一副图像的RGB三通道分离显示，大家第一眼看上去可能会感觉代码比较乱，你直接复制粘贴到你的编程界面就可以使用了

OpenCV实现两个图像相减

05-07

使用Opencv内置函数实现两幅图像相减

Opencv -- 11通道分离与合并

xuechanba的博客

11-30

663

参考链接： https://blog.csdn.net/guduruyu/article/details/70837779. 在图像处理中，尤其是处理多通道图像时，有时需要对各个通道进行分离，分别处理；有时还需要对分离处理后的各个通道进行合并，重新合并成一个多通道的图像。opencv中实现图像通道的分离与合并的函数分别是split()和merge()。图像通道的分离 split() 来看程序： #include <iostream> #include "11_opencv_mat.h" us

Opencv回顾--图像操作之反转*通道分离*缩放

shuayang1155的博客

03-26

349

主要函数翻转图像 cv::flip(src, dst, flipCode); src 输入数组。 dst 输出与src大小和类型相同的数组。 flipCode 一个标志，指定如何翻转数组; 0表示绕x轴翻转正值翻转（例如，1）表示绕y轴翻转。负值（例如，-1）表示翻转围绕两个轴。通道分离 void cvSplit(const CvArr* src,CvArr *dst0...

OpenCv 图像颜色通道分离

凯撒袁六兽的blog

03-29

562

图像的通道分离本质是对数组的切片，因为将图像读取是将图像的高度，宽度，通道数以三维数组的形式存储图像颜色通道分离对于B,G,R值的提取对于只保留B,G,R图像的提取完整代码对于B,G,R值的提取对于B,G,R值的提取，只需要使用split函数即可，但是使用split函数提取出来的B,G,R的值是二维数组，如果想输出二维数组的两个维数的范围，则需要使用.shape函数提取B,G,R矩阵 src = cv.imread("D:/Coding/pit.jpg") b, g, r = cv.split(.

三通道的黑白图（不同于单通道的普通的黑白图片）

MOL

09-30

1万+

有的图片是黑白色的，但不是单通道，而是三通道的，是因为每个像素点的3个值相同（其中要注意三个通道的像素点的值一样，要是三个通道当前值的平均值（代码上的temp）而不是某个通道上的值）。也就是说：三通道图可以是黑白图（24bit），但单通道图只能是黑白图（8bit）我们可以使用三通道的黑白图做风格转换其中代码如下： def image2label(path, size_): w = size_[0] h = size_[1] label_im = cv2....

将彩色图片分离为RGB三个通道的灰度图，并输出

hhy0907的博客

03-12

9341

#将一张三通道图片转换为RGB三通道灰度图，并将每个通道的矩阵输出 import cv2 import matplotlib.pyplot as plt ''' 彩色图像转化为RGB三幅灰度图像 ''' def main(): img='./bogi.jpg' im=cv2.imread(img) B,G,R=cv2.split(im) #结果展示 plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文乱码 #子图1，原始图像 ...

MatLab：彩色图像RGB三通道的分离与合并

最新发布

weixin_73504499的博客

10-01

2370

用两张指纹图片中的其中一张对其验证。

OpenCV 进行图像分割

qq_30895747的博客

09-27

885

图像分割是将数字图像划分互不相交的区域的过程，它可以降低图像的复杂性，从而使分析图像变得更简单。图像分割技术阈值法基于边缘的分割基于区域的分割基于聚类的分割基于分水岭的方法基于人工神经网络的分割在这里，我们选择基于聚类的分割与分类算法不同，聚类算法是无监督算法。在分类算法中，用户没有预定义的一组特征、类或组。聚类算法有助于从数据中获取潜在的、隐藏的信息，例如从启发式的角度来看通常是未知的结构、聚类和分组。基于聚类的技术将图像分割成具有相似特征的集群或不相交的像素组。

openCV学习笔记----深入理解高斯滤波（二）

06-11

好的，你的第一个问题是关于 OpenCV 中的高斯滤波的学习笔记，对吧？没问题，我可以为您提供一些关于高斯滤波的深入理解。高斯滤波是一种常用的图像滤波器，它可以平滑图像并降低噪声。它的基本思想是对图像中的每个像素周围的像素进行加权平均，以便消除噪声和细节。高斯滤波器的核是一个二维高斯函数，它可以根据需要调整大小和方差。方差越大，滤波器的效果越弱，图像的细节越明显。相反，方差越小，滤波器的效果越强，图像的细节越模糊。高斯滤波器可以使用 OpenCV 中的 `cv2.GaussianBlur()` 函数来实现。该函数需要三个参数：输入图像、核大小和标准差。核大小必须是正的奇数，标准差可以根据需要进行调整。在使用高斯滤波器时，需要注意平衡平滑和保留图像细节之间的权衡。因此，使用合适的核大小和标准差非常重要，以便在滤波图像时达到最佳效果。希望这些信息能够对您有所帮助！