目標：1.學會圖像的通道分割與合并

? ? ? ? ? ?2.學會圖像的的常規操作

##一些概念：

二值圖像：只包含黑色和白色兩種顏色的圖像，1為白色，0為黑色

灰度圖像：計算機會將灰度處理為256個灰度級，用區間[0,255]來表示。其中255表達純白?色，0表示純黑色。

彩色圖像：由于色彩空間不一致，導致彩色圖像的表示也不一致，以RGB圖像為例，由三個? 通道組成，R通道，G通道，B通道，每個色彩的通道值處于[0,255]，經過不同的組合共有?256*256*256=16777216種顏色。但是在opencv中，圖像通道是按照?B，G，R排列的

1. 通道操作

為什么需要通道操作？

有時候，需要將圖像的通道數進行分割處理，在opencv中，圖像通道是按照?B，G，R排列的

方法：分為索引拆分和通過函數拆分，主要講解函數拆分

函數：cv2.spilt（img）

import cv2lean=cv2.imread("1.JPG")
b,g,r=cv2.split(lean)   # 與下面的寫法是一致的# b1=cv2.split(lean)[0]
# g1=cv2.split(lean)[1]
# r1=cv2.split(lean)[2]cv2.imshow("B",b)
cv2.imshow("G",g)
cv2.imshow("R",r)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事項：上述代碼呈現的圖片大小不能調，下面的是可以手動調大小的

import cv2result=cv2.imread("1.JPG")
b,g,r=cv2.split(result)    #分割圖像，將圖像按照B,G,R的通道進行拆分
cv2.namedWindow('11',cv2.WINDOW_NORMAL)  # 需要自定義個窗體,正常模式
cv2.namedWindow('12',cv2.WINDOW_NORMAL)
cv2.namedWindow('13',cv2.WINDOW_NORMAL)
cv2.imshow("11",b)
cv2.imshow("12",g)
cv2.imshow("13",r)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

2. 通道合并

說明：通道合并是通道拆分的逆過程，例如將三個通道的灰度圖像構成 一副彩色圖像。

為什么需要通道合并？

有時候可能需要兩個通道合并或者多個通道合并，圖像在opencv中是按照B，G，R的順序進行排列的，可以先對圖像進行拆分操作，在按照R，G，B的順序進行合并。

函數：cv2.merge(mv)

解釋：參數mv為單通道圖像或者列表，每個通道的圖像長和款應該相同

import cv2result=cv2.imread("1.JPG")
b,g,r=cv2.split(result)    #分割圖像，將圖像按照B,G,R的通道進行拆分
cv2.namedWindow('11',cv2.WINDOW_NORMAL)  # 需要自定義個窗體,正常模式
cv2.namedWindow('12',cv2.WINDOW_NORMAL)
#cv2.namedWindow('13',cv2.WINDOW_NORMAL)bgr=cv2.merge([b,g,r])
rgb=cv2.merge([r,g,b])cv2.imshow("11",bgr)
cv2.imshow("12",rgb)
#cv2.imshow("13",r)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 圖像屬性

下面僅介紹常用的圖像屬性

shape：如果是彩色圖像，則返回行數、列數、通道數的數組，若是二值圖像或者灰度圖像? ? ? ? ? ? ? ? ?則只返回行數和列數

size：返回圖像的像素數，其值為 “行x列x通道數”，灰度圖像或者二值圖像通道數為1

dtype：返回圖像的數據類型

### 圖像的高和寬分別對應著列數和行數。

• 高度（Height）=行數
• 寬度（Width）=列數

如何獲取圖像的長和寬？

import cv2# 讀取圖像（返回的是 numpy 數組）
img = cv2.imread("image.jpg")# 獲取圖像的高度（行數）和寬度（列數）
height, width = img.shape[:2]  # 取前兩個值，分別是高度和寬度print(f"圖像寬度（列數）：{width}")
print(f"圖像高度（行數）：{height}")

如何統一圖像的大小？如何批量統一圖像的嗯大小？

函數：cv2.resize(src, dsize, fx=0, fy=0, interpolation=cv2.INTER_LINEAR)

參數	作用
src	輸入圖像（numpy?數組）
dsize	目標尺寸，格式為?(寬度, 高度)（如?(640, 480)）
fx/fy	水平 / 垂直方向的縮放比例（若指定，則?dsize?需設為?None）
interpolation	插值方法（決定縮放時如何計算新像素值，影響結果質

import cv2
import os
from glob import globdef resize_images(input_dir, output_dir, target_size=(640, 480)):"""批量調整圖像大小:param input_dir: 原始圖像所在文件夾:param output_dir: 調整后圖像的保存文件夾:param target_size: 目標尺寸 (寬度, 高度)"""# 創建輸出文件夾（如果不存在）os.makedirs(output_dir, exist_ok=True)# 獲取文件夾中所有圖片（支持常見格式）image_paths = glob(os.path.join(input_dir, "*.[jpgnJPGEpngPNG]"))for img_path in image_paths:# 讀取圖像img = cv2.imread(img_path)if img is None:print(f"無法讀取圖像: {img_path}")continue# 調整圖像大小# interpolation參數：縮放時的插值方法# - cv2.INTER_AREA: 適合縮小圖像（推薦）# - cv2.INTER_CUBIC: 適合放大圖像（質量更高但速度慢）# - cv2.INTER_LINEAR: 線性插值（默認，平衡速度和質量）resized_img = cv2.resize(img, target_size, interpolation=cv2.INTER_AREA)# 保存調整后的圖像img_name = os.path.basename(img_path)output_path = os.path.join(output_dir, img_name)cv2.imwrite(output_path, resized_img)print(f"已保存: {output_path}")# 使用示例
if __name__ == "__main__":input_folder = "原始圖片文件夾路徑"  # 替換為你的輸入文件夾output_folder = "調整后圖片文件夾路徑"  # 替換為你的輸出文件夾target_width = 800    # 目標寬度target_height = 600   # 目標高度resize_images(input_folder, output_folder, (target_width, target_height))

---