使用Python OpenCV處理圖像之如何拆分及合併一幅圖像的RGB通道

我們知道，使用OpenCV在獲取一幅BGR圖像的信息時(shape屬性)，會同時獲得一幅圖像的RGB圖層數。那麼，問題來了，如何將這些圖像拆分和合併呢？本篇文章作為另一篇博文使用Python中OpenCV庫創建一幅圖片的RGB通道圖片的補充。這篇博文中我們使用了數組切片及索引實現了分離BGR通道的功能。

兩種圖層拆分方法

今天，我們使用OpenCV提供的一組函數來實現相同的功能，並對比兩種方案的優劣。

一般方法

對於圖像BGR通道的獲取，我們使用索引的方法是這樣的：

利用數組切片方式實現圖層拆分

import cv2

img = cv2.imread('test.jpg')

b_img = img[：, ：, 0] # B通道

g_img = img[：, ：, 1] # G通道

r_img = img[：, ：, 2] # R通道

這樣選取的是整個圖片的各個通道的顏色數值。拆分的時候我們直接保存相應的圖像即可。

還有沒有別的辦法呢？

別忘了內置方法哦

答案是肯定的，我們看下OpenCV為我們封裝的方法吧。

cv2.split(img)

實現功能：傳入一個圖像數組，並將圖像拆分為BGR三個通道的圖像，返回值是BGR三個通道圖像的元組

cv2.merge((b,g,r))

實現功能：分別傳入BGR三個通道的圖像組成的元組，將其三個圖像合併為一個BGR三通道圖像

我們使用代碼來驗證下這兩個函數實現的效果吧！

import cv2

img = cv2.imread('test.jpg')

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

# 拆分後顯示cv2.imshow('b', b)cv2.imshow('g', g)cv2.imshow('r', r)

# 合併

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

cv2.imshow('Merge', img2)

# 響應事件while True:key = cv2.waitKey(0)

# esc退出if key == 27: break

# 關閉全部窗口

cv2.destroyAllWindows()

上述代碼可以準確地提取圖片的BGR通道值，並進行合併。

兩種方法哪個更好？

現在我們定義兩個函數，分別測試下函數耗時，比較兩個方案的優劣，具體代碼如下所示。

測試兩種方案耗時

我們來看下測試結果，如下圖所示。

耗時測試結果

因此，我們在使用OpenCV進行圖層拆分時，除非必須使用，否則，首選拆分圖層還是要使用數組切片拆分的方法。

好了，今天就到這裡了，今天帶大家了解了一下對於圖層拆分的兩種可選方案，並且分析了兩種方案的性能優劣。建議在使用OpenCV進行圖像的圖層拆分時，首選數組切片拆分的方案。

歡迎大家留言討論，加關注後續內容會更精彩哦。

轉載請註明出處，百家號：Python高手養成。