opencv图像处理————图像多通道分离与合并

图像多通道分离和合并的概念

在图像处理中，图像通常由多个通道组成，其中每个通道代表了图像中的一种颜色信息。常见的图像有三个通道，分别代表红色、绿色和蓝色（RGB）。除了RGB之外，还有其他表示方式，比如灰度图像只有一个单通道。

图像多通道分离是指将多通道图像分离为单独的通道，这样我们可以单独处理每个颜色通道的信息。而图像多通道合并则是将单独处理过的通道重新组合成一个多通道图像。这种操作对于图像处理中的很多任务都是至关重要的，比如颜色空间转换、滤波器处理等。

通过多通道分离和合并，我们能够更灵活地处理图像的各个通道，从而实现更精细的图像处理和分析。

多通道分离

这里我们的代码以RGB图像处理做为代码示例，IDE是vscode，自行配置opencv。

当涉及图像多通道分离时

首先我们需要使用OpenCV库加载图像。OpenCV提供了丰富的函数来加载和处理图像，使得这一过程变得非常简单。

图像在计算机中是以多维数组的形式表示的，而彩色图像通常由三个颜色通道组成，分别是红色（R）、绿色（G）和蓝色（B），也就是所谓的RGB图像。每个通道都是一个独立的二维数组，代表了图像中对应颜色通道的亮度值。

接下来，我们可以使用OpenCV的函数将图像分离为其各个通道。我们可以使用split()函数来完成这一操作。这个函数会返回一个包含各个通道的列表，我们可以将其分配给不同的变量，以便后续处理。

下面是一个示例代码，演示了如何使用OpenCV库加载图像，解释了图像是如何表示为多通道，并演示了如何使用OpenCV函数将图像分离为其各个通道：

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    // 读取一张彩色图像
    Mat colorImage = imread("D:\\pycharmyunxing\\venv\\qiaoba.png");

    // 检查图像是否成功加载
    if (colorImage.empty())
    {
        std::cerr << "Error: Could not read the image." << std::endl;
        return -1;
    }

    // 图像数组形式的通道分离
    Mat images[3];
    split(colorImage, images);
    Mat images1, images2, images3;
    images1 = images[0];
    images2 = images[1];
    images3 = images[2];

    imshow("channel1", images1);
    imshow("channel2", images2);
    imshow("channel3", images3);
    // 显示原始图像
    imshow("Original Image", colorImage);
    waitKey(0);
    return 0;
}

读取图像的路径使用的是绝对路径，使用代码请自行更改。

上述代码我们使用的是split()函数的第一种重载原型函数，两种的不同点只在于分离后的输出：

第一种的输出是Mat类型的数组，其数组的长度需要与多通道图像通道数相等，并且提前定义。

第二种的输出是一个vector<Mat>容器。

第二种示例代码如下：

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    // 读取一张彩色图像
    Mat colorImage = imread("D:\\pycharmyunxing\\venv\\tu1.jpg");

    // 检查图像是否成功加载
    if (colorImage.empty())
    {
        std::cerr << "Error: Could not read the image." << std::endl;
        return -1;
    }

    Mat imagev1, imagev2, imagev3;
    vector<Mat> imagev;
    split(colorImage, imagev);
    imagev1 = imagev[0];
    imagev2 = imagev[1];
    imagev3 = imagev[2];
    imshow("yuantu1", colorImage);
    imshow("通道1", imagev1);
    imshow("通道2", imagev2);
    imshow("通道3", imagev3);
    waitKey(0);
    return 0;
}

当使用split函数将彩色图像分离为各个通道时，得到的imagev1、imagev2和imagev3是单通道的灰度图像。这是因为每个通道都是独立的灰度图像，表示了原始彩色图像中的蓝色、绿色和红色通道。

因此，当使用imshow显示这些单通道图像时，它们会被解释为灰度图像并以灰度形式显示。

多通道合并

当对已分离的图像通道进行修改后，可以使用OpenCV中的merge函数将这些修改后的通道重新合并成一个多通道图像。以下是一个示例代码，演示了如何对图像通道进行修改并重新合并：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    // 读取彩色图像
    Mat image = imread("path_to_your_image.jpg");
    // 分离图像通道
    vector<Mat> channels;
    split(image, channels);
    // 对图像通道进行修改
    // 以将所有通道都设置为最大值作为示例
    for (int i = 0; i < channels.size(); i++) {
        channels[i] = 255;
    }
    // 合并修改后的通道
    Mat modifiedImage;
    merge(channels, modifiedImage);
    // 显示合并后的图像
    imshow("Modified Image", modifiedImage);
    waitKey(0);
    return 0;
}

在这个示例中，我们首先读取了一个彩色图像，然后使用split函数将其分离成各个通道。接下来，我们对每个通道进行了修改（这里将每个通道设置为最大值255，您可以根据需要进行不同的修改），然后使用merge函数将修改后的通道重新合并成一个多通道图像。最后，我们显示了合并后的图像。

代码实现

上述是对于多通道合并写的一个示例，我们这里给出怎么讲，RGB图像分成三种红绿蓝的通道图像单独显示出来。

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    // 读取一张彩色图像
    Mat colorImage = imread("D:\\pycharmyunxing\\venv\\tu1.jpg");

    // 检查图像是否成功加载
    if (colorImage.empty())
    {
        std::cerr << "Error: Could not read the image." << std::endl;
        return -1;
    }
    // 图像数组形式的通道分离
    Mat images[3];
    split(colorImage, images);
    Mat images1, images2, images3;
    images1 = images[0];
    images2 = images[1];
    images3 = images[2];

    imshow("channel1", images1);
    imshow("channel2", images2);
    imshow("channel3", images3);
    // 显示原始图像
    imshow("Original Image", colorImage);
    Mat dst1, dst2, dst3;
    Mat zero = Mat::zeros(colorImage.rows, colorImage.cols, CV_8UC1);
    /*images[0] = zero;
    images[2] = zero;
    merge(images, 3, dst1);
    images[1] = zero;
    images[2] = zero;
    merge(images, 3, dst2);*/
    images[0] = zero;
    images[1] = zero;
    merge(images, 3, dst3);
    // imshow("绿色通道", dst1);
    // imshow("蓝色通道", dst2);
    imshow("红色通道", dst3);

    waitKey(0);
    return 0;
}

我们是将其他两通道转换成一个空图像在将其合并起来显示出来就是单通道的红绿蓝图像。