1#通道拆分cv2.split

导入库

import numpy as np import argparse import cv2

构造参数解析器

ap = argparse.ArgumentParser() ap.add_argument("-i", "--image", required=True, help="Path to the image") args = vars(ap.parse_args())

加载图像

image = cv2.imread(args["image"])

通道分离，注意顺序BGR不是RGB

(B, G, R) = cv2.split(image)

显示各个分离出的通道

cv2.imshow("Red", R) cv2.imshow("Green", G) cv2.imshow("Blue", B) cv2.waitKey(0) 执行脚本，得到下面三幅图像： 蓝色通道：

image.png

绿色通道：

image.png

红色通道：

image.png

奇怪，为什么分离出的图像颜色都是灰色的呢？不应该是蓝色通道是蓝色，绿色通道是绿色，红色通道是红色吗？ 原来，cv2.split函数分离出的B、G、R是单通道图像，我们可以增加下面两行代码来验证一下：

print "image shape:",image.shape print "single channal shape:",R.shape 得到结果如下：

image shape: (370, 690, 3) single channal shape: (370, 690) 结果说明，原图（彩色图像）是370690的三通道图像。而经过cv2.split之后，每个通道是370690的单通道图像。

2#通道合并cv2.merge

其实，我最开始想像的cv2.split图像是如下的样子：

蓝色通道（其它通道分量值为0）：

image.png 绿色通道（其它通道分量值为0）：

image.png 红色通道（其它通道分量值为0）：

image.png

原来的上面的图像是三通道图像，只是在cv2.split分离出的图像基础上，扩展另外两个通道，但另外两个通道值为0,而得到上面的这样的图像。代码如下：

生成一个值为0的单通道数组

zeros = np.zeros(image.shape[:2], dtype = "uint8")

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的数组填充

cv2.imshow("Blue", cv2.merge([B, zeros, zeros])) cv2.imshow("Green", cv2.merge([zeros, G, zeros])) cv2.imshow("Red", cv2.merge([zeros, zeros, R])) cv2.waitKey(0) 总结 cv2.split函数分离得到各个通道的灰度值(单通道图像)。cv2.merge函数是合并单通道成多通道（不能合并多个多通道图像）。

原文链接: