计算机视觉 / 系统课时

拆分与合并通道

拆分与合并通道

OpenCV 彩色图像默认按 B、G、R 顺序保存通道。本课用一个可直接运行的 NumPy 示例拆出三个单通道矩阵,再按原顺序或指定顺序合并,最后通过像素值和数组形状验证结果,避免把“通道顺序”和“颜色空间转换”混为一谈。

学习目标

  • 使用 cv2.split 拆出 B、G、R 三个通道,并判断各通道形状。
  • 使用 cv2.merge 按指定顺序重新组合图像。
  • 通过具体像素值检查通道重排是否符合预期。

看清拆分后的数据形态

一张形状为 H×W×3 的 BGR 图像,拆分后会得到三个 H×W 二维数组。下面构造 2×2 图像,左上角像素为 [10, 20, 30],分别代表 B=10、G=20、R=30。

BGR 图像拆分为三个单通道并重新合并的数据流

python
import cv2
import numpy as np

image = np.array(
    [
        [[10, 20, 30], [40, 50, 60]],
        [[70, 80, 90], [100, 110, 120]],
    ],
    dtype=np.uint8,
)

b, g, r = cv2.split(image)

print("image:", image.shape)
print("B:", b.shape, b[0, 0])
print("G:", g.shape, g[0, 0])
print("R:", r.shape, r[0, 0])

预期输出

text
image: (2, 2, 3)
B: (2, 2) 10
G: (2, 2) 20
R: (2, 2) 30

cv2.split 会复制出独立通道数组,适合需要分别处理 B、G、R 的场景。若只读取某一个通道,也可以用 image[:, :, 0] 这样的 NumPy 切片,通常能少一次不必要的多通道拆分。

按顺序重新合并

cv2.merge 不会判断“哪个数组应该是红色”,它只按传入列表的先后次序堆叠通道。因此 [b, g, r] 会还原原图,而 [r, g, b] 会把第 1 和第 3 通道交换。

python
import cv2
import numpy as np

image = np.array([[[10, 20, 30]]], dtype=np.uint8)
b, g, r = cv2.split(image)

restored = cv2.merge([b, g, r])
reordered = cv2.merge([r, g, b])

print("restored:", restored[0, 0].tolist())
print("reordered:", reordered[0, 0].tolist())

预期输出

text
restored: [10, 20, 30]
reordered: [30, 20, 10]

这里的 reordered 只是数据顺序改成了 R、G、B。如果随后把它交给默认按 BGR 解释的 OpenCV 显示或写图流程,红蓝颜色会互换;若目标是显式转换到 RGB,更清晰的写法是 cv2.cvtColor(image, cv2.COLOR_BGR2RGB)。

选择 split、切片还是 cvtColor

需要同时独立修改三个通道时,用 cv2.split 和 cv2.merge 最直接;只读取单个通道时,优先使用 image[:, :, index];需要表达 BGR、RGB、HSV 等颜色空间转换意图时,使用 cv2.cvtColor。

检查结果时至少确认两件事:合并后的 shape 应恢复为 H×W×3,抽查像素的三个分量应与预期顺序一致。对真实图像处理链,这两个检查比单纯“看起来颜色差不多”更可靠。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

拆分与合并通道

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通