【OpenCV 4开发详解】多通道分离与合并

本文首发于 “小白学视觉”微信公众号，欢迎关注公众号 本文作者为小白，版权归 人民邮电出版社发行所有，禁止转载，侵权必究！

---

经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《OpenCV 4开发详解》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。

在图像颜色模型中不同的分量存放在不同的通道中，如果我们只需要颜色模型的某一个分量，例如只需要处理RGB图像中的红色通道，可以将红色通道从三通道的数据中分离出来再进行处理，这种方式可以减少数据所占据的内存，加快程序的运行速度。同时，当我们分别处理完多个通道后，需要将所有通道合并在一起重新生成RGB图像。针对图像多通道的分离与混合，OpenCV 4中提供了split()函数和merge()函数用于解决这些需求。

多通道分离函数split()

OpenCV 4中针对多通道分离函数split()有两种重载原型，在代码清单3-4中给出了这两种函数原型。

代码清单3-4 split()函数原型
1.	void cv::split(const Mat &  src,
2.		             Mat *  mvbegin
3.	                  )
4.	
5.	void cv::split(InputArray 	m,
6.			         OutputArrayOfArrays  mv
7.		             )

• src：待分离的多通道图像。
• mvbegin：分离后的单通道图像，为数组形式，数组大小需要与图像的通道数相同
• m：待分离的多通道图像
• mv：分离后的单通道图像，为向量vector形式

该函数主要是用于将多通道的图像分离成若干单通道的图像，两个函数原型中不同之处在于前者第二个参数输入的是Mat类型的数组，其数组的长度需要与多通道图像的通道数相等并且提前定义；第二种函数原型的第二个参数输入的是一个vector容器，不需要知道多通道图像的通道数。两个函数原型虽然输入参数的类型不同，但是通道分离的原理是相同的，可以用公式(3.4)表示。
$$mv\left[c\right](I)=sr$$