opencv中默认imread函数加载图像文件，加载进来的是三通道彩色图像，色彩空间是RGB色彩空间，通道顺序是BGR（蓝色、绿色、红色），对于三通道的图像OpenCV中提供了三个API函数用以实现通道分离split()，合并merge()，混合mixChannels()；
RGB图像，在opencv的Mat中，像素数据，存储结构以及通道分离，操作关系图如下：
1、通道的分离函数 split()
函数原型：
两种函数原型的用法相同，用于将多通道的图像分离成若干单通道的图像，两个函数原型的不同之处在于，分离后的Mat型单通道图像，用Mat型数组存储，
Mat mvbegin[3]；还是用vector容器存储，vector <Mat> mv；
OpenCV 4 中split()函数有2种重载原型：
（1）函数原型一：用 Mat型数组 Mat mvbegin[3]存储分离后的图像；
void split( const Mat &src, Mat *mvbegin )
输入参数：
- src：待分离的图像，Mat型多通道矩阵；
- mvbegin：分离后的Mat型单通道图像，用Mat型数组存储，
Mat mvbegin[3]，定义数组大小时需要知道原图像的通道数，数组大小=原图像通道数； - 分离后的图像存储在，Mat型数组
Mat mvbegin[3]中，数组内的3个元素，大小均为 image.rows X image.cols 的Mat型矩阵，依次存放着原图像B、G、R分量的数据，取数组内的元素只能通过[]取值，不能通过at()取值；
（2）函数原型二：用 vector容器 vector <Mat> 存储分离后的图像；
void split( InputArray m, OutputArrayOfArrays mv )
输入参数：
- m：待分离的图像，Mat型多通道矩阵；
- mv：分离后的Mat型单通道图像，用vector容器存储，
vector <Mat> mv，不需要知道原图像的通道数； - 分离后的图像存储在，vector容器
vector <Mat> mv中，mv容器内有3个元素，每个元素的大小均为 image.rows X image.cols 的Mat型矩阵，依次存放着原图像B、G、R分量的数据，每个元素可以通过[]取值，也可以通过at()取值；
（3）示例：
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取图像，BGR存储在Mat矩阵里
Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (src.empty()) {
printf("could not load image..../n");
return -1;
}
namedWindow("src", WINDOW_AUTOSIZE);
imshow("src", src);
// 用Mat型数组，存储分离后的图像，只能用 [] 访问
// Mat mvbegin[3];
// split(src, mvbegin);
// imshow("B", mvbegin[0]);
// imshow("G", mvbegin[1]);
// imshow("R", mvbegin[2]);
// 用vector容器，存储分离后的图像，用 [] 访问
// vector<Mat> mv;
// split(src, mv);
// imshow("B", mv[0]);
// imshow("G", mv[1]);
// imshow("R", mv[2]);
// 用vector容器，存储分离后的图像，用 at() 访问
vector<Mat> mv;
split(src, mv);
imshow("B", mv.at(0));
imshow("G", mv.at(1));
imshow("R", mv.at(2));
waitKey();
destroyAllWindows();
return 0;
}
运行结果：
2、通道合并函数 merge()
- 两种函数原型的用法相同，用于将多个图像(单通道或多通道图像)合并成一个多通道图像，两个函数原型的不同之处在于，输入是Mat型数组形式的图像数据
Mat mvbegin[3]，还是一个vector容器形式的图像数据vector <Mat>，这里和 split()函数原型相对应；- 合并函数输出的是一个多通道图像，其通道数是所有输入图像通道数的总和，用于合并的图像并非都是单通道的，也可以是多个通道的图像，输入图像的通道数目可以不相同，但是需要所有图像都具有相同的尺寸和数据类型；
函数原型：
（1）函数原型一：输入是，Mat型数组形式的图像数据 Mat mvbegin[3]
void merge( const Mat *mvbegin, size_tcount, OutputArray dst )
输入参数：
- mvbegin：需要合并的单通道或多通道图像，输入的是一个，Mat型数组形式的图像数据
mvbegin[3]； - size_tcount：输入图像数组的长度，其数值必须大于0；
- dst：合并后的图像；
（2）函数原型二：输入是，vector容器形式的图像数据 vector <Mat>
void merge( InputArrayOfArrays mv, OutputArray dst )
输入参数：
- mv：需要合并的单通道或多通道图像，输入的是一个，vector容器形式的图像数据
vector <Mat>，其中每个图像必须拥有相同的尺寸和数据类型； - dst：合并后的图像，与
mv[0]具有相同的尺寸和数据类型，通道数等于所有输入图像的通道数总和；
（3）示例一：先用split()将图像三通道分离，用 Mat型数组 Mat mvbegin[3]存储分离后的图像，然后再将三通道图像用merge()合并，对应函数原型一；
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取图像，BGR存储在Mat矩阵里
Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (src.empty()) {
printf("could not load image..../n");
return -1;
}
namedWindow("src", WINDOW_AUTOSIZE);
imshow("src", src);
// 通道分离，用Mat型数组存储分离后的图像
Mat mvbegin[3];
split(src, mvbegin);
Mat BlueChannel = mvbegin[0];
Mat GreenChannel = mvbegin[1];
Mat RedChannel = mvbegin[2];
// 将R通道全部置0
Mat r = mvbegin[2].clone();
r.setTo(0);
// 需要合并的Mat型数组
Mat newChannel[3] = { BlueChannel , GreenChannel , r };
// 合并通道
Mat dst;
merge(newChannel, 3, dst);
// 显示
imshow("Merged", dst);
waitKey();
destroyAllWindows();
return 0;
}
运行结果：
（4）示例二：先用split()将图像三通道分离，用 vector容器 vector <Mat> 存储分离后的图像，然后再将三通道图像用merge()合并，对应函数原型二；
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取图像，BGR存储在Mat矩阵里
Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (src.empty()) {
printf("could not load image..../n");
return -1;
}
namedWindow("src", WINDOW_AUTOSIZE);
imshow("src", src);
// 通道分离
vector<Mat> mv;
split(src, mv);
Mat BlueChannel = mv.at(0);
Mat GreenChannel = mv.at(1);
Mat RedChannel = mv.at(2);
// 将B通道全部置0
Mat b = mv.at(0).clone();
b.setTo(0);
vector<Mat> newChannel;
newChannel.push_back(b);
newChannel.push_back(GreenChannel);
newChannel.push_back(RedChannel);
//通道合并
Mat mergedImage;
merge(newChannel, mergedImage);
// 显示
imshow("Merged", mergedImage);
waitKey();
destroyAllWindows();
return 0;
}
运行结果：
3、通道的混合mixChannels()
函数原型：
（1）函数原型一：
void cv::mixChannels (
InputArrayOfArrays src,
InputOutputArrayOfArrays dst,
const std::vector< int > &fromTo
)
输入参数：
- src：输入矩阵，所有矩阵的大小和深度必须相同；
- dst：输出矩阵，大小和深度必须与
src[0]相同； - fromTo：索引对，表示输入矩阵的第几个通道，复制到，输出矩阵的第几个通道；举例说明：
{ 0, 2, 1, 1, 2, 0 } 表示：
src颜色通道0 复制到 dst颜色通道2
src颜色通道1 复制到 dst颜色通道1
src颜色通道2 复制到 dst颜色通道0
（2）函数原型二：
在这个函数原型中：
- 如果输入矩阵和输出矩阵都是1，那么就跟第一种函数原型一致了；
- 如果不为1，就可以实现多个矩阵的合并，或者一个矩阵拆分为多个矩阵，或者其他功能；
void cv::mixChannels
(
const Mat *src,
size_t nsrcs,
Mat *dst,
size_t ndsts,
const int *fromTo,
size_t npairs
)
输入参数：
- src：输入矩阵，所有矩阵的大小和深度必须相同；
- ndsts：矩阵的数量；
- dst：输出矩阵，大小和深度必须与
src[0]相同； - fromTo：索引对，表示输入矩阵的第几个通道，复制到，输出矩阵的第几个通道；
- ndsts：矩阵的数量；
- npairs：fromTo中索引对的数目；
（3）示例一：颜色通道交换 青色(255, 255, 0) 黄色(0, 255, 255)
原图的青色(255, 255, 0)，通过指定通道复制到输出图像中变成了黄色(0, 255, 255)；
通道对应关系：
索引对 from_to[] = { 0, 2, 1, 1, 2, 0, 3, 3 } 的含义：
- bg的0通道，复制到，out[]的2通道，即bgr的0通道；
- bgra的1通道，复制到，out[]的1通道，即bgr的1通道；
- bgra的2通道，复制到，out[]的0通道，即bgr的2通道；
- bgra的3通道，复制到，out[]的3通道，即bgr的alpha通道；
示例代码：
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取图像，BGR存储在Mat矩阵里
Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (src.empty()) {
printf("could not load image..../n");
return -1;
}
namedWindow("src", WINDOW_AUTOSIZE);
imshow("src", src);
Mat bgra(200, 200, CV_8UC4, Scalar(255, 255, 0, 255));
Mat bgr(bgra.rows, bgra.cols, CV_8UC3);
Mat alpha(bgra.rows, bgra.cols, CV_8UC1);
Mat out[] = { bgr, alpha };
int from_to[] = { 0, 2, 1, 1, 2, 0, 3, 3 };
mixChannels(&bgra, 1, out, 2, from_to, 4);
imshow("bgra", bgra);
imshow("bgr", bgr);
waitKey();
destroyAllWindows();
return 0;
}
运行结果：
（4）示例二：图像分割
将一个4通道矩阵（BGRA图像）分割成一个3通道矩阵（BGR图像）和一个单通道矩阵（alpha通道图像）；
通道对应关系：索引对，int fromTo[] = { 0, 2, 1, 1, 2, 0, 3, 3 }
- bgra的0通道，复制到，bgr的2通道；
- bgra的1通道，复制到，bgr的1通道；
- bgra的2通道，复制到，bgr的0通道；
- bgra的3通道，复制到，alpha的0通道；
示例代码：
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
Mat bgra( 200, 200, CV_8UC4, Scalar(255, 0, 0, 255) );
Mat bgr( bgra.rows, bgra.cols, CV_8UC3 );
Mat alpha( bgra.rows, bgra.cols, CV_8UC1 );
Mat out[] = { bgr,alpha };
// 通道对应关系
int fromTo[] = { 0, 2, 1, 1, 2, 0, 3, 3 };
mixChannels(&bgra, 1, out, 2, fromTo, 4);
imshow("bgra", bgra);
imshow("bgr", bgr);
imshow("alpha", alpha);
waitKey();
destroyAllWindows();
return 0;
}
运行结果：
（5）示例三：HSV通道获取
利用mixChannels()函数通过，复制指定通道，可以看到HSV颜色空间下的三个通道的具体情况；
HSV颜色空间：文章来源：https://www.toymoban.com/news/detail-532352.html
- Hue（色相）：代表色彩，取 0 到 360 度的数值来衡量（红-黄-绿-青-蓝-洋红）；
- Saturation（饱和度、色度）：指色彩的深浅，饱和度代表灰色与色调的比例，并以 0% (灰色) 到 100% (完全饱和) 来衡量，S=0时只有灰度；
- Value（色调）：色彩的明亮程度，V=1，它包含RGB模型中的R=1，G=1，B=1 三个面，所代表的颜色较亮；
示例代码：
#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>
using namespace cv;
using namespace std;
int main() {
// 读取图像，BGR存储在Mat矩阵里
Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
if (src.empty()) {
printf("could not load image..../n");
return -1;
}
namedWindow("src", WINDOW_AUTOSIZE);
imshow("src", src);
Mat hsv, dst;
cvtColor(src, hsv, COLOR_BGR2HSV);
dst.create( hsv.size(), hsv.depth() );
//分离Hue，色相通道
int ch[] = { 0, 0 };
mixChannels(&hsv, 1, &dst, 1, ch, 1);
imshow("H channel", dst);
//分离Saturation，饱和度通道
int ch1[] = { 1, 0 };
mixChannels(&hsv, 1, &dst, 1, ch1, 1);
imshow("S channel", dst);
//分离Value，色调通道
int ch2[] = { 2, 0 };
mixChannels(&hsv, 1, &dst, 1, ch2, 1);
imshow("V channel", dst);
waitKey();
destroyAllWindows();
return 0;
}
运行结果：
文章来源地址https://www.toymoban.com/news/detail-532352.html
到了这里，关于OpenCV4通道的分离split()，通道的合并merge()，通道的混合mixChannels()的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
