OpenCV 图形API(79)图像与通道拼接函数-----将一个三通道的 GMat 图像拆分为三个单独的单通道 GMat函数split3()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

将一个 3 通道的矩阵拆分为 3 个单通道矩阵。

该函数将一个 3 通道的矩阵拆分成 3 个单通道矩阵:
mv [ c ] ( I ) = src ( I ) c \texttt{mv} [c](I) = \texttt{src} (I)_c mv[c](I)=src(I)c

即输出的每个矩阵对应输入矩阵中的一个通道。

所有输出矩阵的类型 必须为 CV_8UC1(8 位无符号单通道)。

函数 merge3 可以执行相反的操作(将三个单通道矩阵合并成一个 3 通道矩阵)。

注意事项:

函数的文本 ID 是 "org.opencv.core.transform.split3"。

函数原型

cpp 复制代码
std::tuple<GMat, GMat, GMat> cv::gapi::split3 
(
 	const GMat &  	src
) 	

参数

  • 参数 src:输入的 3 通道图像矩阵(CV_8UC3 类型)。

代码示例

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>
#include <opencv2/gapi/imgproc.hpp>

using namespace cv;
using namespace cv::gapi;

int main() {
    // 加载图像
    Mat src_bgr = imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png");
    if (src_bgr.empty()) {
        std::cerr << "无法加载图像!" << std::endl;
        return -1;
    }

    // 定义 G-API 输入输出图
    GMat in;  // 输入节点

    // 拆分输入图像为三个通道(B, G, R)
    auto [b, g, r] = gapi::split3(in);

    // 将每个通道分别调整大小
    Size new_size(320, 240);
    GMat b_resized = gapi::resize(b, new_size, INTER_LINEAR);
    GMat g_resized = gapi::resize(g, new_size, INTER_LINEAR);
    GMat r_resized = gapi::resize(r, new_size, INTER_LINEAR);

    // 合并三个调整大小后的通道为一个交错格式的 GMat
    GMat out = gapi::merge3(b_resized, g_resized, r_resized);

    // 构建 GComputation
    GComputation computation(in, out);

    // 执行计算
    Mat dst;
    computation.apply(src_bgr, dst);

    // 显示结果
    imshow("原始图像", src_bgr);
    imshow("调整大小后的图像", dst);
    waitKey();

    return 0;
}

运行结果

相关推荐
海洲探索-Hydrovo2 小时前
TTP Aether X 天通透传模块丨国产自主可控大数据双向通讯定位模组
网络·人工智能·科技·算法·信息与通信
触想工业平板电脑一体机2 小时前
【触想智能】工业安卓一体机在人工智能领域上的市场应用分析
android·人工智能·智能电视
TechNomad3 小时前
十一、OpenCV中图形的绘制
opencv
墨染天姬3 小时前
【AI】数学基础之矩阵
人工智能·线性代数·矩阵
2401_841495645 小时前
【计算机视觉】基于复杂环境下的车牌识别
人工智能·python·算法·计算机视觉·去噪·车牌识别·字符识别
倔强青铜三5 小时前
苦练Python第66天:文件操作终极武器!shutil模块完全指南
人工智能·python·面试
倔强青铜三5 小时前
苦练Python第65天:CPU密集型任务救星!多进程multiprocessing模块实战解析,攻破GIL限制!
人工智能·python·面试
强哥之神5 小时前
浅谈目前主流的LLM软件技术栈:Kubernetes + Ray + PyTorch + vLLM 的协同架构
人工智能·语言模型·自然语言处理·transformer·openai·ray
zskj_qcxjqr6 小时前
七彩喜艾灸机器人:当千年中医智慧遇上现代科技
大数据·人工智能·科技·机器人
Wnq100726 小时前
如何在移动 的巡检机器人上,实现管道跑冒滴漏的视觉识别
数码相机·opencv·机器学习·计算机视觉·目标跟踪·自动驾驶