【从零学习OpenCV 4】多通道分离与合并

小白学视觉

发布于 2019-11-20 19:07:20

1.5K0

发布于 2019-11-20 19:07:20

经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。

在图像颜色模型中不同的分量存放在不同的通道中，如果我们只需要颜色模型的某一个分量，例如只需要处理RGB图像中的红色通道，可以将红色通道从三通道的数据中分离出来再进行处理，这种方式可以减少数据所占据的内存，加快程序的运行速度。同时，当我们分别处理完多个通道后，需要将所有通道合并在一起重新生成RGB图像。针对图像多通道的分离与混合，OpenCV 4中提供了split()函数和merge()函数用于解决这些需求。

多通道分离函数split()

OpenCV 4中针对多通道分离函数split()有两种重载原型，在代码清单3-4中给出了这两种函数原型。

代码清单3-4 split()函数原型
1.  void cv::split(const Mat & src,
2.                 Mat * mvbegin
3.                 )
4.  
5.  void cv::split(InputArray m,
6.                 OutputArrayOfArrays mv
7.                 )

src：待分离的多通道图像。
mvbegin：分离后的单通道图像，为数组形式，数组大小需要与图像的通道数相同
m：待分离的多通道图像
mv：分离后的单通道图像，为向量vector形式

该函数主要是用于将多通道的图像分离成若干单通道的图像，两个函数原型中不同之处在于前者第二个参数输入的是Mat类型的数组，其数组的长度需要与多通道图像的通道数相等并且提前定义；第二种函数原型的第二个参数输入的是一个vector<Mat>容器，不需要知道多通道图像的通道数。两个函数原型虽然输入参数的类型不同，但是通道分离的原理是相同的，可以用公式(3.4)表示。

(3.4)

多通道合并函数merge()

OpenCV 4中针对多通道合并函数merge ()也有两种重载原型，在代码清单3-5中给出了两种原型。

代码清单3-5 merge()函数原型
1.  void cv::merge(const Mat * mv,
2.                  size_t  count,
3.                  OutputArray dst
4.                 )
5.  
6.  void cv::merge(InputArrayOfArrays mv,
7.                  OutputArray dst
8.                 )

mv：需要合并的图像数组，其中每个图像必须拥有相同的尺寸和数据类型。
count：输入的图像数组的长度，其数值必须大于0.
mv：需要合并的图像向量vector，其中每个图像必须拥有相同的尺寸和数据类型。
dst：合并后输出的图像，与mv[0]具有相同的尺寸和数据类型，通道数等于所有输入图像的通道数总和。

该函数主要是用于将多个图像合并成一个多通道图像，该函数也具有两种不同的函数原型，每一种函数原型都是与split()函数像对应，两种原型分别输入数组形式的图像数据和向量vector形式的图像数据，在输入数组形式数据的原型中，还需要输入数组的长度。合并函数的输出结果是一个多通道的图像，其通道数目是所有输入图像通道数目的总和。这里需要说明的是，用于合并的图像并非都是单通道的，也可以是多个通道数目不相同的图像合并成一个通道更多的图像，虽然这些图像的通道数目可以不相同，但是需要所有图像具有相同的尺寸和数据类型。

图像多通道分离与合并例程

为了使读者更加熟悉图像多通道分离与合并的操作，同时加深对图像不同通道作用的理解，在代码清单3-6中实现了图像的多通道分离与合并的功能。程序中用两种函数原型分别分离了RGB图像和HSV图像，为了验证merge ()函数可以合并多个通道不相同的图像，程序中分别用两种函数原型合并了多个不同通道的图像，合并后图像的通道数为5，不能通过imshow()函数显示，我们用Image Watch插件查看了合并的结果。由于RGB三个通道分离结果显示时都是灰色且相差不大，因此图3-5没有给出其分离后的结果，只给出合并后显示为绿色的合并图像，同时给出HSV分离结果，其他结果读者可以自行运行程序查看。

代码清单3-6 mySplitAndMerge.cpp实现图像分离与合并
1.  #include <opencv2\opencv.hpp>
2.  #include <iostream>
3.  #include <vector>
4.  
5.  using namespace std;
6.  using namespace cv;
7.  
8.  int main()
9. {
10.    Mat img = imread("lena.png");
11.    if (img.empty())
12.    {
13.      cout << "请确认图像文件名称是否正确" << endl;
14.      return -1;
15.    }
16.    Mat HSV;
17.    cvtColor(img, HSV, COLOR_RGB2HSV);
18.    Mat imgs0, imgs1, imgs2; //用于存放数组类型的结果
19.    Mat imgv0, imgv1, imgv2; //用于存放vector类型的结果
20.    Mat result0, result1, result2; //多通道合并的结果
21.  
22.    //输入数组参数的多通道分离与合并
23.    Mat imgs[3];
24.    split(img, imgs);
25.    imgs0 = imgs[0];
26.    imgs1 = imgs[1];
27.    imgs2 = imgs[2];
28.    imshow("RGB-R通道", imgs0); //显示分离后R通道的像素值
29.    imshow("RGB-G通道", imgs1); //显示分离后G通道的像素值
30.    imshow("RGB-B通道", imgs2); //显示分离后B通道的像素值
31.    imgs[2] = img; //将数组中的图像通道数变成不统一
32.    merge(imgs, 3, result0); //合并图像
33.    //imshow("result0", result0); //imshow最多显示4个通道，因此结果在Image Watch中查看
34.    Mat zero = cv::Mat::zeros(img.rows, img.cols, CV_8UC1);
35.    imgs[0] = zero;
36.    imgs[2] = zero;
37.    merge(imgs, 3, result1); //用于还原G通道的真实情况，合并结果为绿色
38.    imshow("result1", result1); //显示合并结果
39.  
40.    //输入vector参数的多通道分离与合并
41.    vector<Mat> imgv;
42.    split(HSV, imgv);
43.    imgv0 = imgv.at(0);
44.    imgv1 = imgv.at(1);
45.    imgv2 = imgv.at(2);
46.    imshow("HSV-H通道", imgv0); //显示分离后H通道的像素值
47.    imshow("HSV-S通道", imgv1); //显示分离后S通道的像素值
48.    imshow("HSV-V通道", imgv2); //显示分离后V通道的像素值
49.    imgv.push_back(HSV); //将vector中的图像通道数变成不统一
50.    merge(imgv, result2); //合并图像
51.     //imshow("result2", result2); /imshow最多显示4个通道，因此结果在Image Watch中查看
52.    waitKey(0);
53.    return 0;
54.  }