opencv python（二）---色彩通道拆分及合并，获取图像属性，感兴趣区域（roi）

忘是亡心i 2022-11-21 14:57 191阅读 0赞

### opencv python（二）---通道拆分及合并，获取图像属性，感兴趣区域（roi） ###

*  通道拆分及合并
 *   *  拆分
     *  拆分效果
     *  合并
     *  合并效果
 *  获取图像属性
 *  感兴趣区域（roi）

# 通道拆分及合并 #

## 拆分 ##

色彩空间是 RGB 色彩空间、通道顺序是 BGR（蓝色、绿色、红色）。有时我们需要对 BGR 三个通道分别进行操作。这时你就需要把 BGR 拆分成单个通道，类似于一个红，绿，蓝分别有一个幕布，将其他颜色滤掉。有时你需要把独立通道的图片合并成一个 BGR 图像。  
需要用到函数：split拆分  
还是载入一个图片：

img = cv2.imread("2.png")

通过split函数拆分为单个通道：

b,g,r = cv2.split(img)

将拆分的颜色进行显示：

cv2.imshow("Blue", b)
    cv2.imshow("Red", r)
    cv2.imshow("Green", g)

图像载入其实是一个矩阵形式的，如果处理的东西较多，使用split函数就会让运行慢很多，此时可以采用矩阵的方式将RGB拆分出来。  
代码如下：

import cv2
    import numpy as np
     
    img = cv2.imread("2.png")
    b = img[:,:,0]
    g = img[:,:,1]
    r = img[:,:,2]
    
    cv2.imshow("Blue", b)
    cv2.imshow("Red", r)
    cv2.imshow("Green", g)
    
    cv2.waitKey(0)

## 拆分效果 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center]

## 合并 ##

合成的时候一定要注意顺序，不然就会出现问题，我们通过下列代码实现：

img2 = cv2.merge([b,g,r])

再输出合并后的图像：

cv2.imshow("together",img2)

## 合并效果 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center 1]

但是如果顺序放错就会出现以下合并的现象：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center 3]

# 获取图像属性 #

通过以下命令来获取图像的，像素数目，数据类型，宽和高

print(img.shape)#获取图像的宽、高
    print(img.size)#获取图像像素数目
    print(img.dtype)#返回数据类型

![在这里插入图片描述][2020110213520396.png_pic_center]

# 感兴趣区域（roi） #

使用命令圈出感兴趣区域：

roi = img[100:300,100:300]

再将感兴趣区域显示出来：

cv2.imshow('roi',roi)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center 4]  
完整代码：

import cv2
    import numpy as np
     
    img = cv2.imread("2.png")
    b,g,r = cv2.split(img)#拆分
    roi = img[100:300,100:300]#感兴趣区域
    img2 = cv2.merge([b,g,r])#合并
    
    cv2.imshow('roi',roi)
    cv2.imshow("img",img)
    cv2.imshow("Blue", b)
    cv2.imshow("Red", r)
    cv2.imshow("Green", g)
    cv2.imshow("together",img2)
    
    print(img.shape)#宽、高
    print(img.size)#像素数目
    print(img.dtype)#数据类型
    
    cv2.waitKey(0)

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/6cf5d344378b49d6b890f79de883eafe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221120/86590c7498e142abb34b46d49c947c99.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221120/83d17f0c8d84414fbd3209168dc06f9c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221120/787edaf2015845dd8667ea8dab87b701.png
[2020110213520396.png_pic_center]: /images/20221120/d37309733ec1454ba6d9c3420acca8c8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMDQ2NzYz_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20221120/e20d7995df584100ab3141ceadc285a0.png