关于opencv通道的C++转化实现

首先我是在visual2019上使用C++，因此测试之前要安装opencv的依赖包，可以上官网自行下载安装.
1.图像通道
(1)单通道图：每个像素点只有一个值（0-255），即我们常见的黑白图，称作灰度图。
(2)三通道图：每个像素点都有 3 个值表示，例如 RGB 图片即为三通道图片，是通过对红®、绿(G)、蓝(B)三个颜色通道之间的叠加来得到各式各样的颜色。
(3)二值图：二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素灰度值不是0就是255，再无其他过渡的灰度值。是一种特殊的灰度图。
2.图片转化
首先实现RGB转灰度图
常用的函数
void cv::cvtColor(cv::InputArray src,cv::OutputArray dst, int code, int dstCn = 0 );
cv::InputArray src, // 输入图片
cv::OutputArray dst, // 输出图片
int code, // 颜色映射码（转换格式）
int dstCn = 0 // 输出的通道数 (0=‘automatic’)

测试代码1

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

using namespace cv;
using namespace std;
int main()
{
	Mat image = imread("C://Users//lenovo//Desktop//ffff.jpg");
	cout <<"Original Image channal:  "<< image.channels() << endl;
	imshow("Original Image", image);
	
	Mat gray;
	cvtColor(image, gray, COLOR_RGB2GRAY);
	
	imshow("gray Image", gray);
	cout <<"gray Image channal:  "<< gray.channels() << endl;
	// Wait until user press some key
	waitKey();
	return 0;
}

输出结果
2.灰度图通道
灰度图也是有三通道的，做一个项目时读取灰度图，按照默认的三通道读取，发现在处理像素时只能处理1/3，导致浪费了一天的时间。
imread默认是读取三通道，后面标志位等于0是单通道。
Mat image = imread(“C://Users//lenovo//Desktop//ffff.jpg”);三
Mat image = imread(“C://Users//lenovo//Desktop//ffff.jpg”，0);单

Mat image = imread("C://Users//lenovo//Desktop//test.jpg",0);
	cout <<"Original Image channal:  "<< image.channels() << endl;
	imshow("Original Image", image);

3.灰度图的单通道转三通道

Mat image = imread("C://Users//lenovo//Desktop//test.jpg",0);
	cout <<"Original Image channal:  "<< image.channels() << endl;
	imshow("Original Image", image);
	Mat gray;
	cvtColor(image, gray, COLOR_GRAY2BGR);
	imshow("gray Image", gray);
	cout <<"gray Image channal:  "<< gray.channels() << endl;
	// Wait until user press some key
	waitKey();
	return 0;

4.三通道的通道分离与合并
(1)通道的分离
void split(const Mat& src, Mat* mvbegin);

Mat image = imread("C://Users//lenovo//Desktop//ffff.jpg",1);
	std::vector<Mat> channels;
	Mat imageBlueChannel;
	Mat imageGreenChannel;
	Mat imageRedChannel;

	//转换通道
	split(image, channels);
	imageBlueChannel = channels.at(0);
	imageGreenChannel = channels.at(1);
	imageRedChannel = channels.at(2);
	//显示分离的单通道图像
	imshow("origin image", image);
	imshow("blue channel", imageBlueChannel);
	imshow("green channel", imageGreenChannel);
	imshow("red channel", imageRedChannel);
	waitKey(0);
	return 0;

(2)merge()函数：split()函数的逆向操作——将多个数组合并成一个多通道数组,可以将上述获得的imageRedChannel整合到一张图中。
void merge(const Mat* mv, size_tcount, OutputArray dst);