OpenCV 拆分与合并 BGR 通道

发表于2023-07-14|更新于2026-09-01|教程OpenCV

|总字数:76|阅读时长:1分钟|浏览量:

import cv2
import numpy as np
img = cv2.imread('lingbosize.png')

#拆分rgb通道
b,g,r = cv2.split(img)

gree = np.zeros(img.shape[:2],np.uint8)
red = np.zeros(img.shape[:2],np.uint8)


#合并bgr通道

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

cv2.imshow('B',b)
cv2.imshow('G',g)
cv2.imshow('R',r)


cv2.imshow('merge',merged)
cv2.waitKey(0)
cv2.destroyAllWindows()

文章作者: YuKiFuHaNe

文章链接: https://blog.yukifuhane.cn.eu.org/2023/07/14/OpenCV-%E6%8B%86%E5%88%86%E4%B8%8E%E5%90%88%E5%B9%B6-BGR-%E9%80%9A%E9%81%93/

版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 YuKiFuHaNeの博客！

OpenCV NumPy 图像处理 BGR通道 split merge

相关推荐

模板匹配多个对象

123456789101112131415161718192021222324252627282930313233343536373839import cv2import numpy as np#TemplateMatchModes''' ·TM-SQDIFF 计算平方不同，计算出来的值越小，越相关 ·TM_CCORR 计算相关性，计算出来的值越大，越相关 ·TM_CCOEFF 计算相关系数，计算出来的值越大，越相关 ·TM_SQDIFF_NORMED 计算归一化平方不同，计算出来的值越接近0，越相关 ·TM_CCORR_NORMED 计算归一化相关性，计算出来的值越接近1，越相关 `TM_CCOEFF_NORMED 计算归一化相关系数，计算出来的值越接近1，越相关'''img = cv2.imread("face.png",cv2.IMREAD_C...

OpenCV 模板匹配入门

12345678910111213141516171819202122232425#TemplateMatchModes''' ·TM-SQDIFF 计算平方不同，计算出来的值越小，越相关 ·TM_CCORR 计算相关性，计算出来的值越大，越相关 ·TM_CCOEFF 计算相关系数，计算出来的值越大，越相关 ·TM_SQDIFF_NORMED 计算归一化平方不同，计算出来的值越接近0，越相关 ·TM_CCORR_NORMED 计算归一化相关性，计算出来的值越接近1，越相关 `TM_CCOEFF_NORMED 计算归一化相关系数，计算出来的值越接近1，越相关'''import cv2img = cv2.imread("dm.png")template = cv2.imread("dm_face.png")h,w = template...

OpenCV 图像数值相加

1234567import cv2img = cv2.imread("a28.png")img1 = img + 10cv2.imshow('img',img)cv2.imshow("img+10",img1)cv2.waitKey(0)

OpenCV 形态学操作：腐蚀与膨胀

代码12345678910111213141516171819import cv2import numpy as npimg = cv2.imread("a28.png")ret,thresh = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV,0)cv2.imshow("thresh",thresh)cv2.waitKey(500)# cv2.destroyAllWindows()#腐蚀kernel = np.ones((3,3),dtype=np.uint8)erosion = cv2.erode(thresh,kernel,iterations=1) #literations 为迭代次数# res = np.hstack(erosion)cv2.imshow('erosion',erosion)cv2.waitKey(0)# cv2.destroyAllWindows()#膨胀dige_dilate = cv2.dilate(thresh,kernel,...

OpenCV 轮廓特征与轮廓近似

cv2.findContours(img,mode,method)： mode：轮廓检索模式 ·RETR_EXTERNAL 只检测最外面的轮廓 ·RETR_LIST 检索所有的轮廓，并将其保存到一条链表当中 ·RETR_CCOMP 检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界 ·RETR_TREE 检索所有的轮廓，并重构嵌套轮廓的整个层次method：轮廓逼近方法 ·CHAIN_APPROX_NONE 以Freeman链码的方式输出轮廓，所有其他方法使出多边形（顶点的序列） ·CHAIN_APPROX_SIMPLE 压缩水平的、垂直和斜的部分，也就是，函数只保留他们的终点部分 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152#cv2.findContours(i...

ROI 感兴趣区域的截取

image[Y起点:Y终点,X起点:X终点] 1234567891011import cv2import numpy as npfrom matplotlib import pyplot as pltimport matplotlibimg = cv2.imread("a28.png")rows,cols,chn = img.shapeprint(rows,cols,chn)img1 = img[100:500,200:600]cv2.imshow("img1",img1)cv2.waitKey(0)cv2.destroyAllWindows()