目录
[13、 合并颜色通道](#13、 合并颜色通道)
Opencv基础操作
11、B、G、R颜色通道提取
注意：我们这里是显示单个通道的图像，但是所显示的图片确实灰色的，那是因为只显示单个通道时， 实际上是将单个通道作为亮度值，而将其他通道设置为默认的最大值，也就是255。这会导致图像呈现为灰色。 想要展示只包含单个通道信息的彩色图像，可以将图像中的其他通道设为0。
python
import cv2
# 1. 读取图像
a = cv2.imread(r'./images/img.png')
# 2. 提取颜色通道
a1 = a[:, :, 0] # 蓝色通道（B通道）
a2 = a[:, :, 1] # 绿色通道（G通道）
a3 = a[:, :, 2] # 红色通道（R通道）
# 或者使用 cv2.split() 来分离颜色通道
b, g, r = cv2.split(a)
# b 包含蓝色通道
# g 包含绿色通道
# r 包含红色通道
cv2.imshow('result', a2)
# 4. 设置窗口显示时间，单位为毫秒（这里设置为100秒，可以根据需要调整）
cv2.waitKey(0)
# 5. 关闭所有窗口
cv2.destroyAllWindows()
12、显示单个通道颜色
python
import cv2
a = cv2.imread(r'./images/img.png')
# 复制原始图像以避免更改原始图像
a_new = a.copy()
a_new[:, :, 1] = 0 # 绿色通道设为0
a_new[:, :, 2] = 0 # 红色通道设为0
# 创建一个窗口来显示修改后的图像，并将其命名为'result'
cv2.imshow('result', a_new)
cv2.waitKey(0)
cv2.destroyAllWindows()
如果只将一个通道设为0，保留其他两个保留会有不同效果哦。自己尝试一下把！！
13、 合并颜色通道
python
import cv2
# 1. 读取图像
a = cv2.imread(r'./images/img.png')
# 2. 提取颜色通道
a1 = a[:, :, 0] # 蓝色通道（B通道）
a2 = a[:, :, 1] # 绿色通道（G通道）
a3 = a[:, :, 2] # 红色通道（R通道）
# 或者使用 cv2.split() 来分离颜色通道
b, g, r = cv2.split(a)
# b 包含蓝色通道 g 包含绿色通道 r 包含红色通道
# 使用cv2.merge()函数将三个通道重新合并成一个图像
img = cv2.merge((b, g, r))
# img = cv2.merge((a1,a2,a3)) 或者使用这行代码
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()注意：需要将三个通道放在一个小括号中在传入cv2.merge()，且要保证三个通道数组的形状大小相同。
14、图像添加马赛克
原理：选中图片的一部分将区域，将数组中的数值随机打乱达到马赛克效果
python
import numpy as np
img = cv2.imread('./images/img.png')
img[100:200,100:200] = np.random.randint(0,256,(100,100,3)) # 0，256 代表取值范围，左闭右开。（）内代表数组大小
cv2.imshow('',img)
cv2.waitKey(0)
15、图片区域替换
选中两张图片中大小相同的区域，将其中一个区域的数组赋值给另外一个图片相同的区域，就达到了图片区域替换的效果。
python
img1 = cv2.imread('./images/img.png')
img2 = cv2.imread('./images/img_1.png')
# 两边数组的大小必须相同
img1[100:200,100:200] = img2[100:200,100:200]
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.waitKey(0)
16、图片的缩放（常用）
图片缩放cv2.resize(src,dsize,fx,fy) 用于调整图像的大小。它有以下几个参数：
src:要调整大小的输入图像，可以是numpy数组、PIL图像或其他类型。
dsize:输出图像的大小，可以是一个元组，例如(宽，高),或者使用整数标量来缩放原始图像。如果dsize为None,则根据scalefx和scalefy缩放原始图像。
fx:沿x轴的缩放系数。
fy:沿y轴的缩放系数。
python
img3 = cv2.imread('./images/cat.jpg')
# 方法一
img4 = cv2.resize(img3,(400,400))
# 方法二，fx,fy代表x轴和y轴的缩放比例
img5 = cv2.resize(img3,dsize=None,fx=1.5,fy=2)
# 原图
cv2.imshow('yutu',img3)
# dsize方法缩放的图
cv2.imshow('dsize',img4)
# fx、fy方法缩放的图
cv2.imshow('exif',img5)
cv2.waitKey(0)
cv2.destroyAllWindows()
17、图像运算
（1）、+运算
对于+号运算，当对图像a，图像b进行加法求和时，遵循以下规则：
- 当某位置像素相加得到的数值小于255时，该位置数值为两图像该位置像素相加之和
- 当某位置像素相加得到的数值大于255时，该位置数值将截断结果并将其减去 256 例如：相加后是260，实际是260-256= 4
python
img1 = cv2.imread('./images/img.png')
img2 = cv2.imread('./images/cat.jpg')
# +运算，超过255会减去256
img_jia = img1 + 50
cv2.imshow('yuantu',img1)
cv2.imshow('jia',img_jia)
cv2.waitKey(0)
不仅可以直接加数值还可以两个大小相同的区域相加
python
img1 = cv2.imread('./images/img.png')
img2 = cv2.imread('./images/cat.jpg')
# 区域加法
img_jia2 = img1[0:200,0:200]+img2[0:200,0:200]
cv2.imshow('jia2',img_jia2)
cv2.waitKey(0)
（2）、add运算
对于cv2.add()运算，当对图像a，图像b进行加法求和时，遵循以下规则：
- 当某位置像素相加得到的数值小于255时，该位置数值为两图像该位置像素相加之和
- 当某位置像素相加得到的数值大于255时，该位置数值为255
python
img1 = cv2.imread('./images/img.png')
img2 = cv2.imread('./images/cat.jpg')
# 两图相加add,超过255的会以255作为数值
img1 = cv2.resize(img1,(400,400))
img2 = cv2.resize(img2,(400,400))
img_add = cv2.add(img1,img2)
cv2.imshow('add',img_add)
cv2.waitKey(0)
（3）、图像加权运算
cv2.addWeighted（src1, α, src2, β, γ）
就是在计算两幅图像的像素值之和时，将每幅图像的权重考虑进来，可以用公式表示为dst=src1×α+src2×β+γ
src1、src2：输入的图像
α、β：权重
γ：图像的亮度值（常数），将添加到加权和上
注意：在执行add操作时要保证输入的两张图大小相同
python
img1 = cv2.imread('./images/img.png')
img2 = cv2.imread('./images/cat.jpg')
img1 = cv2.resize(img1,(400,400))
img2 = cv2.resize(img2,(400,400))
img_add_weight = cv2.addWeighted(img1,0.8,img2,0.2,0)
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.imshow('weight',img_add_weight)
cv2.waitKey(0)
cv2.destroyAllWindows()