【OpenCV 例程300篇】11. 图像通道的拆分（cv2.split）

原创已于 2022-07-24 19:46:33 修改 · 2w 阅读

99 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #python #图像处理 #计算机视觉

于 2021-11-06 09:41:44 首次发布

OpenCV例程300篇专栏收录该内容

261 篇文章

订阅专栏

本文详细介绍了如何使用OpenCV的cv2.split()函数拆分BGR彩色图像的B、G、R通道，并通过示例展示了如何将单通道图像扩展为三通道以正确显示颜色。此外，还提到了使用NumPy切片实现通道拆分的简便方法，这种方法运行速度更快。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录：『youcans 的 OpenCV 例程300篇 - 总目录』

【OpenCV 例程300篇】11. 图像通道的拆分（cv2.split）

函数 cv2.split() 将 3 通道 BGR 彩色图像分离为 B、G、R 单通道图像。

函数说明：

cv2.split(img[, mv]) -> retval # 图像拆分为 BGR 通道

函数 cv2.split() 传入一个图像数组，并将图像拆分为 B/G/R 三个通道。

参数说明：

img：图像数据，nparray 多维数组
mv：指定的分拆通道（可选）

注意事项：

对于 openCV 使用的 BGR 格式图像，返回的分拆通道的次序为 B、G、R 通道。
BGR 彩色图像的数据形状为 (width, height, channels=3)，返回的 B/G/R 通道的数据形状为 (width, height)，不能按照 BGR 彩色图像直接显示。
如果直接用 imshow 显示返回的单通道对象，将被视为 (width, height) 形状的灰度图像显示。
如果要正确显示某一颜色分量，需要增加另外两个通道值（置 0）转换为 BGR 三通道格式，再用 imshow 才能显示为拆分通道的颜色。
cv2.split() 操作复杂耗时，可以直接使用 NumPy 切片得到分离通道。

基本例程：

    # 1.19 图像拆分通道
    img1 = cv2.imread("../images/imgB1.jpg", flags=1)  # flags=1 读取彩色图像(BGR)
    cv2.imshow("BGR", img1)  # BGR 图像

    # BGR 通道拆分
    bImg, gImg, rImg = cv2.split(img1)  # 拆分为 BGR 独立通道
    cv2.imshow("rImg", rImg)  # 直接显示红色分量 rImg 显示为灰度图像
    
    # 将单通道扩展为三通道
    imgZeros = np.zeros_like(img1)  # 创建与 img1 相同形状的黑色图像
    imgZeros[:,:,2] = rImg  # 在黑色图像模板添加红色分量 rImg
    cv2.imshow("channel R", imgZeros)  # 扩展为 BGR 通道
    
    print(img1.shape, rImg.shape, imgZeros.shape)
    cv2.waitKey(0)
    cv2.destroyAllWindows()  # 释放所有窗口

本例程的运行结果如下：

(512, 512, 3) (512, 512) (512, 512, 3)

运行结果表明：

彩色图像 img1 的形状为 (512, 512, 3)，拆分的 R 通道 rImg 的形状为 (512, 512)。
用 imshow 显示 rImg，将被视为 (512, 512) 形状的灰度图像显示，不能显示为红色通道。
对 rImg 增加 B、G 两个通道值（置 0）转换为 BGR格式，再用 imshow 才能显示红色通道的颜色。

在这里插入图片描述

扩展例程：
使用 NumPy 切片得到分离通道更为简便，而且运行速度比 cv2.split 更快。

    # 1.20 图像拆分通道 (Numpy切片)
    img1 = cv2.imread("../images/imgB1.jpg", flags=1)  # flags=1 读取彩色图像(BGR)
    
    # 获取 B 通道
    bImg = img1.copy()  # 获取 BGR
    bImg[:, :, 1] = 0  # G=0
    bImg[:, :, 2] = 0  # R=0
    
    # 获取 G 通道
    gImg = img1.copy()  # 获取 BGR
    gImg[:, :, 0] = 0  # B=0
    gImg[:, :, 2] = 0  # R=0
    
    # 获取 R 通道
    rImg = img1.copy()  # 获取 BGR
    rImg[:, :, 0] = 0  # B=0
    rImg[:, :, 1] = 0  # G=0
    
    # 消除 B 通道
    grImg = img1.copy()  # 获取 BGR
    grImg[:, :, 0] = 0  # B=0
    
    plt.subplot(221), plt.title("1. B channel"), plt.axis('off')
    bImg = cv2.cvtColor(bImg, cv2.COLOR_BGR2RGB)  # 图片格式转换：BGR(OpenCV) -> RGB(PyQt5)
    plt.imshow(bImg)  # matplotlib 显示 channel B
    plt.subplot(222), plt.title("2. G channel"), plt.axis('off')
    gImg = cv2.cvtColor(gImg, cv2.COLOR_BGR2RGB)
    plt.imshow(gImg)  # matplotlib 显示 channel G
    plt.subplot(223), plt.title("3. R channel"), plt.axis('off')
    rImg = cv2.cvtColor(rImg, cv2.COLOR_BGR2RGB)
    plt.imshow(rImg)  # matplotlib 显示 channel R
    plt.subplot(224), plt.title("4. GR channel"), plt.axis('off')
    grImg = cv2.cvtColor(grImg, cv2.COLOR_BGR2RGB)
    plt.imshow(grImg)  # matplotlib 显示 channel GR
    plt.show()

本例程的运行结果如下，GR channel 是消除 B通道（保留 G/R 通道的图像）：

在这里插入图片描述

（本节完）

【第1章：图像的基本操作】
07. 图像的创建（np.zeros）
08. 图像的复制（np.copy）
10. 图像的拼接（np.hstack）
11. 图像通道的拆分（cv2.split）
12. 图像通道的合并（cv2.merge）

版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/125112487)
Copyright 2022 youcans, XUPT
Crated：2021-11-18
欢迎关注专栏：『youcans 的 OpenCV 例程 300 篇』