1. 通道拆分

1.1 cv2.split

1.1.1 語法結構

b,g,r = cv2.split(img[, mv]) #圖像拆分為 BGR 通道。

• img：圖像數據，nparray 多維數組
• mv：指定的分拆通道（可選）
• b,g,r ：分割成三個單通道圖像，分別代表藍色、綠色和紅色通道，并將它們分別賦值給b、g和r

1.1.2 注意事項

• OpenCV 使用的圖像格式是 BGR（藍、綠、紅），而不是常見的 RGB 格式。因此，當你使用 cv2.split() 拆分通道時，得到的通道順序將是 B、G、R，而不是 R、G、B。
• BGR 彩色圖像的數據形狀為 (width, height, channels=3)，返回的 B/G/R 通道的數據形狀為 (width, height)，不能按照 BGR 彩色圖像直接顯示。
• 如果直接用 imshow 顯示返回的單通道對象，將被視為 (width, height) 形狀的灰度圖像顯示。
• 如果要正確顯示某一顏色分量，需要增加另外兩個通道值（置 0）轉換為 BGR 三通道格式，再用 imshow 才能顯示為拆分通道的顏色。
• cv2.split() 操作復雜耗時，可以直接使用 NumPy 切片得到分離通道。

1.1.3 代碼示例

import cv2imgFile = "img/lena.jpg"
img1 = cv2.imread(imgFile, flags=1)  # flags=1 讀取彩色圖像(BGR)
# 通道拆分
b,g,r=cv2.split(img1)
# 顯示圖像
cv2.imshow("b", b)
cv2.imshow("g", g)
cv2.imshow("r", r)cv2.waitKey(0)
cv2.destroyAllWindows()

1.2 NumPy切片

1.2.1 代碼示例

import cv2imgFile = "img/lena.jpg"
img1 = cv2.imread(imgFile, flags=1)  # flags=1 讀取彩色圖像(BGR)
# 獲取 B 通道
bImg = img1.copy()  # 獲取 BGR
bImg[:, :, 1] = 0  # G=0
bImg[:, :, 2] = 0  # R=0# 獲取 G 通道
gImg = img1.copy()  # 獲取 BGR
gImg[:, :, 0] = 0  # B=0
gImg[:, :, 2] = 0  # R=0# 獲取 R 通道
rImg = img1.copy()  # 獲取 BGR
rImg[:, :, 0] = 0  # B=0
rImg[:, :, 1] = 0  # G=0# 顯示圖像
cv2.imshow("b", bImg)
cv2.imshow("g", gImg)
cv2.imshow("r", rImg)cv2.waitKey(0)
cv2.destroyAllWindows()  # 釋放所有窗口

2. 通道合并

2.1 cv2.merge

2.1.1 語法結構

cv2.merge(mv[, dst])  #BGR 通道合并

• mv：要合并的單通道
• dst：通道合并的圖像，nparray 多維數組

2.1.2 注意事項

• 進行合并的 B、G、R 單通道圖像分量，數據形狀必須為 (width, height)，而不是形狀為 (width, height, channels=3) 的藍色/綠色/紅色圖像。
• 單通道圖像分量的圖像大小 (width, height) 必須相同才能進行合并。
• 顏色通道要按照 B、G、R 通道次序合并，才能得到 BGR 格式的合并結果。
• cv2.merge() 操作復雜耗時，推薦使用 NumPy 數組合并函數 np.stack() 生成合成圖像。

2.1.3 代碼示例

import cv2imgFile = "img/lena.jpg"
img1 = cv2.imread(imgFile, flags=1)  # flags=1 讀取彩色圖像(BGR)
# 通道拆分
b, g, r = cv2.split(img1)# 通道合并
rgb = cv2.merge([r, g, b])
gbr = cv2.merge([g, b, r])
brg = cv2.merge([b, r, g])# 顯示圖像
cv2.imshow("rgb", rgb)
cv2.imshow("gbr", gbr)
cv2.imshow("brg", brg)cv2.waitKey(0)
cv2.destroyAllWindows()  # 釋放所有窗口