opencv 基础学习08-图像通道操作
什么是图像通道？
OpenCV的通道拆分功能可用于将多通道图像拆分成单独的通道，这在图像处理和计算机视觉任务中具有许多应用场景。以下是一些通道拆分的常见应用场景：
图像处理：在某些图像处理任务中，需要对图像的不同通道进行独立处理。例如，可以对彩色图像的RGB通道进行分别处理，如对每个通道进行直方图均衡化、对比度调整、颜色平衡等操作。
物体检测：在某些物体检测任务中，通过分析不同通道的信息可以帮助提高检测准确性。例如，在红外图像中，热点和冷点可能分别对应于不同的物体或区域。通过拆分红外图像的通道，可以分别分析不同的温度通道，从而提取更具区分度的特征。
背景建模：在背景建模中，可以使用通道拆分来分析不同通道的背景信息。例如，可以对RGB图像的各个通道进行拆分，并针对每个通道建模，以便更好地分离前景目标和背景。
颜色空间转换：通道拆分也可以用于颜色空间转换。例如，将RGB图像拆分成HSV（色调、饱和度、亮度）通道，然后可以对亮度通道进行调整或应用其他颜色空间转换算法。
图像融合 ：在某些情况下，需要将不同通道的图像进行融合。通过通道拆分，可以将多个单通道图像进行合并，以生成具有所需特性的合成图像。
疑问：
一张图片最多有多个少通道？最少可以有几个通道？
最常见的图像类型是RGB图像，它由红色（R）、绿色（G）和蓝色（B）三个通道组成，因此是一个三通道图像。在这种情况下，每个像素的颜色由这三个通道的强度组合而成。
除了RGB图像之外，还有其他常见的多通道图像类型。例如，RGBA图像包含红色（R）、绿色（G）、蓝色（B）和透明度（A）四个通道，透明度通道用于控制像素的不透明度。
另一方面，灰度图像是一种单通道图像，每个像素只有一个强度值，表示图像中的亮度。在灰度图像中，像素的亮度通常使用0到255之间的灰度级别表示。
总之，一张图像可以有多个通道，最常见的是RGB图像（三通道），也可以是其他类型的多通道图像。而最少的情况下，一张图像至少有一个通道，即灰度图像（单通道）。
通道操作：
在 RGB 图像中，图像是由 R 通道、G 通道、B 通道三个通道构成的。需要注意的是，在
OpenCV 中，通道是按照 B 通道→G 通道→R 通道的顺序存储的。
在图像处理过程中，可以根据需要对通道进行拆分和合并。本节就来介绍如何对通道进行拆分 和合并。
通道拆分
针对 RGB 图像，可以分别拆分出其 R 通道、G 通道、B 通道。在 OpenCV 中，既可以通过索引的方式拆分通道，也可以通过函数的方式拆分通道
1 通过索引拆分
通过索引的方式，可以直接将各个通道从图像内提取出来。例如，针对 OpenCV 内的 BGR
图像 img，如下语句分别从中提取了 B 通道、G 通道、R 通道
b = img[ : , : , 0 ]
g = img[ : , : , 1 ]
r = img[ : , : , 2 ]
原图
对原图进行通道拆分，代码如下
python
import cv2
lena=cv2.imread("lena.png",cv2.IMREAD_COLOR,)
cv2.imshow("lena1",lena)
b=lena[:,:,0]
g=lena[:,:,1]
r=lena[:,:,2]
cv2.imshow('b', b)
cv2.imshow('g', g)
cv2.imshow('r', r)
cv2.waitKey(0)
cv2.destroyAllWindows()运行效果如下图：
2 通过opencv 函数拆分
函数 cv2.split()能够拆分图像的通道。例如，可以使用如下语句拆分彩色 BGR 图像 img，
得到 B 通道图像 b、G 通道图像 g 和 R 通道图像 r。
b,g,r=cv2.split(img)
上述语句与如下语句是等价的：
b=cv2.split(a)[0]
g=cv2.split(a)[1]
r=cv2.split(a)[2]
将上面代码替换后源码如下：
python
import cv2
import numpy as np
lena=cv2.imread("lena.png",cv2.IMREAD_COLOR,)
cv2.imshow("lena1",lena)
b,g,r=cv2.split(lena)
cv2.imshow('b', b)
cv2.imshow('g', g)
cv2.imshow('r', r)
cv2.waitKey(0)
cv2.destroyAllWindows()运行后发现效果跟上面是一样的。
通道合并
通道合并是通道拆分的逆过程，通过合并通道可以将三个通道的灰度图像构成一幅彩色图
像。函数 cv2.merge()可以实现图像通道的合并，例如有 B 通道图像 b、G 通道图像 g 和 R 通道
图像 r，使用函数 cv2.merge()可以将这三个通道合并为一幅 BGR 的三通道彩色图像。其实现的
语句为：
bgr=cv2.merge([b,g,r])
演示使用函数 cv2.merge()合并通道，代码如下
python
import cv2
import numpy as np
lena=cv2.imread("lena.png",cv2.IMREAD_COLOR,)
#b,g,r=cv2.split(lena)对图像 lena 进行拆分，得到 b、g、r 这三个通道
b,g,r=cv2.split(lena)
#cv2.merge([b,g,r])对图像 lena 进行合并，合并后的图像与原图像完全一致
bgr=cv2.merge([b,g,r])
#对通道 r、g、b 进行合并，合并顺序为 R 通道→G 通道→B通道，得到图像 rgb。
rgb=cv2.merge([r,g,b])
cv2.imshow("lena",lena)
cv2.imshow("bgr",bgr)
cv2.imshow("rgb",rgb)
cv2.waitKey(0)
cv2.destroyAllWindows()运行效果如下
从结果中看出不同顺序的通道合并，图片的效果也会不一样