OpenCV-11颜色通道的分离与合并

本次我们使用两个比较重要的API

split(mat)将图像的通道进行分割。

merge((ch1,ch2,ch3))将多个通道进行融合。

示例代码如下:

复制代码
import cv2
import numpy as np


img = np.zeros((480, 640, 3), np.uint8)  # 创建一张全黑的图片
b, g, r = cv2.split(img)   # 按照OpenCV的方式分割出来三个通道

b[10:100, 10:100] = 255    # 将黑色中间的部分变成白色
g[10:100, 10:100] = 255

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

cv2.imshow("b", b)
cv2.imshow("g", g)
cv2.imshow("img", img)
cv2.imshow("img2", img2)

cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下:

其中,蓝色与绿色混合后的颜色类似于青色(即img2显示的颜色)

相关推荐
LJ97951112 分钟前
媒介宣发数字化:如何用AI打通资源与效果的任督二脉
人工智能
CoovallyAIHub5 分钟前
YOLOv12之后,AI在火场如何进化?2025最后一篇YOLO论文揭示:要在浓烟中看见关键,仅靠注意力还不够
深度学习·算法·计算机视觉
古雨蓝枫7 分钟前
AI工具排名(20260104)
人工智能·ai工具
好奇龙猫7 分钟前
【人工智能学习-AI-MIT公开课13.- 学习:遗传算法】
android·人工智能·学习
FreeBuf_8 分钟前
攻击者操纵大语言模型实现漏洞利用自动化
人工智能·语言模型·自动化
深度学习实战训练营11 分钟前
基于bert预训练的微博情感分析6分类模型
人工智能·分类·bert
艾莉丝努力练剑12 分钟前
【Linux进程控制(一)】进程创建是呼吸,进程终止是死亡,进程等待是重生:进程控制三部曲
android·java·linux·运维·服务器·人工智能·安全
mahtengdbb113 分钟前
基于YOLOv8的激光点检测系统实现与优化
人工智能·yolo·目标跟踪
俞凡16 分钟前
AI 智能体高可靠设计模式:预测执行
人工智能