基于OpenCV的拆分和合并图像通道实验案例分享_基于RK3568教学实验箱

一、实验目的

本节视频的目的是了解图像通道的概念,学习OpenCV的基本操作,并掌握通过OpenCV实现拆分和合并图像通道的方法。

二、实验原理

拆分与合并图像

在图像处理中,一个彩色图像通常由多个颜色通道组成。对于RGB(红绿蓝)图像,最常见的通道组合是红色、绿色和蓝色。每个通道都表示图像中的一种颜色信息,并且是一个灰度图像,其值通常在0(黑色)到255(白色)之间变化。

拆分图像通道

将彩色图像的每个颜色通道分离出来的过程。每个灰度图像对应原始图像的一个颜色通道。通过查看拆分后的通道图像,可以更清楚地看到每个颜色通道在图像中的作用。

合并图像通道

将单独的颜色通道组合成一个彩色图像的过程。

在OpenCV中,可以通过cv2.split()函数实现拆分图像通道。这个函数接受一个彩色图像作为输入,并返回一个包含三个(对于RGB图像)或四个(对于RGBA图像,包含透明度通道)灰度图像的元组。每个灰度图像对应原始图像的一个颜色通道。通过查看拆分后的通道图像,可以更清楚地看到每个颜色通道在图像中的作用。

合并图像通道可以通过cv2.merge()函数实现。这个函数接受一个包含灰度图像的元组作为输入(元组中的图像数量应与目标彩色图像的通道数相同),并返回一个彩色图像。

示例代码中,首先读取一个图像文件,然后使用cv2.split()拆分颜色通道,并使用cv2.imshow()函数显示每个通道的图像。接着,它使用cv2.merge()合并这些通道,并显示合并后的图像。最后,它等待用户按键后关闭所有窗口。

三、操作现象

实验设备

本实验中使用的软件为VMware17+Ubuntu18.04.4 和串口调试工具Xshell。

本实验中使用的是TL3568-PlusTEB实验箱,所需的配件为Micro SD卡、Type-C线、电源和网线。

硬件连接

(1)将Ubuntu系统启动卡插至Micro SD卡槽。

(2)使用Type-C线连接USB TO UART2调试串口到PC机。

(3)将实验箱ETH0 RGMII网口(COM21)通过网线连接至路由器。

(4)连接实验箱电源,先不要上电。

软件操作

(1)先在设备管理器查看串口的端口号;

(2)再设置串口调试工具,波特率设置为1500000,点击连接,在Xshell调试终端会显示连接成功。

(3)连接成功后,拨动实验箱的电源开关,将实验箱上电。

(4)系统启动成功后,输入账户密码登录即可(账密均为:tronlong)

(5)登录成功后,查询实验箱的网口地址。

拷贝文件

我们先打开Ubuntu,将Demo文件夹拷贝到RK3568目录下。

"Ctrl+Alt+T"打开控制台,执行命令将文件拷贝至实验箱文件系统(根据实验箱实际IP地址修改命令)。

运行程序

在串口调试窗口执行命令,启动开发环境

在网页输入地址,即可打开登录界面 (根据实际IP地址修改网页地址)。

输入密码:tronlong,登录。

在程序目录,双击打开程序,点击重新运行程序。

等待右上角的进度饼图变白,程序运行完成。

在程序最下方,会显示运行结果。依次是图像合并的结果图、拆分的B通道图像、G通道图像和R通道图像。

相关推荐
IT_陈寒2 分钟前
Element Plus 2.10.0 重磅发布!新增Splitter组件
前端·人工智能·后端
jndingxin2 分钟前
OpenCV CUDA模块图像处理------创建一个模板匹配(Template Matching)对象函数createTemplateMatching()
图像处理·人工智能·opencv
盛寒27 分钟前
N元语言模型 —— 一文讲懂!!!
人工智能·语言模型·自然语言处理
weixin_1772972206934 分钟前
家政小程序开发——AI+IoT技术融合,打造“智慧家政”新物种
人工智能·物联网
Jay Kay1 小时前
ReLU 新生:从死亡困境到强势回归
人工智能·数据挖掘·回归
Blossom.1181 小时前
使用Python和Flask构建简单的机器学习API
人工智能·python·深度学习·目标检测·机器学习·数据挖掘·flask
吴声子夜歌1 小时前
OpenCV——Mat类及常用数据结构
数据结构·opencv·webpack
无声旅者1 小时前
AI 模型分类全解:特性与选择指南
人工智能·ai·ai大模型
Grassto2 小时前
Cursor Rules 使用
人工智能
MYH5162 小时前
深度学习在非线性场景中的核心应用领域及向量/张量数据处理案例,结合工业、金融等领域的实际落地场景分析
人工智能·深度学习