Opencv (2) 图像数据与通道分离，合并

图像数据

image_data = src_image.dtype 数据类型

image_type = type(src_image) 格式类型

上次写过没啥好说的
有个unit_8
其实是typedef unsigned char uint8_t
代表你这个图片是8位深度的，位深度越高图片分得资源越多，也就越清晰，现在普遍是8bit的深度

图像通道分离与合并

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

import cv2
import numpy

img = cv2.imread('1.jpg')

B, G, R = cv2.split(img)
cv2.imshow("B", B)
cv2.imshow("G", G)
cv2.imshow("R", R)
# 生成一个值为0的单通道数组
zeros = numpy.zeros(img.shape[:2], dtype="uint8")
binary, full = cv2.threshold(zeros, -1, 255, cv2.THRESH_BINARY)

"""分别扩展B、G、R成为三通道。另外两个通道用上面的值为0(黑)的数组填充"""
cv2.imshow("BB", cv2.merge([B, zeros, zeros]))
cv2.imshow("GG", cv2.merge([zeros, G, zeros]))
cv2.imshow("RR", cv2.merge([zeros, zeros, R]))

# 分别扩展B、G、R成为三通道。另外两个通道用上面的值为255(白)的数组填充
cv2.imshow("9.jpg", cv2.merge([B, full, full]))
cv2.imshow("10.jpg", cv2.merge([full, G, full]))
cv2.imshow("11.jpg", cv2.merge([full, full, R]))
cv2.imshow("12.jpg", cv2.merge([R, G, B]))

cv2.waitKey(0)
cv2.destroyAllWindows()

另一种分离方法

B1 = img[:, :, 0]
G1 = img[:, :, 1]
R1 = img[:, :, 2]