OpenCV4通道的分离split()，通道的合并merge()，通道的混合mixChannels()

opencv中默认imread函数加载图像文件，加载进来的是三通道彩色图像，色彩空间是RGB色彩空间，通道顺序是BGR（蓝色、绿色、红色），对于三通道的图像OpenCV中提供了三个API函数用以实现通道分离split()，合并merge()，混合mixChannels()；

RGB图像，在opencv的Mat中，像素数据，存储结构以及通道分离，操作关系图如下：

1、通道的分离函数 split()

函数原型：

两种函数原型的用法相同，用于将多通道的图像分离成若干单通道的图像，两个函数原型的不同之处在于，分离后的Mat型单通道图像，用Mat型数组存储，Mat mvbegin[3]；还是用vector容器存储， vector <Mat> mv；

OpenCV 4 中split()函数有2种重载原型：

（1）函数原型一：用 Mat型数组 Mat mvbegin[3]存储分离后的图像；

void split( const Mat &src, Mat *mvbegin )

输入参数：

• src：待分离的图像，Mat型多通道矩阵；
• mvbegin：分离后的Mat型单通道图像，用Mat型数组存储，Mat mvbegin[3]，定义数组大小时需要知道原图像的通道数，数组大小=原图像通道数；
• 分离后的图像存储在，Mat型数组 Mat mvbegin[3] 中，数组内的3个元素，大小均为 image.rows X image.cols 的Mat型矩阵，依次存放着原图像B、G、R分量的数据，取数组内的元素只能通过 [] 取值，不能通过 at() 取值；

（2）函数原型二：用 vector容器 vector <Mat> 存储分离后的图像；

void split( InputArray m, OutputArrayOfArrays mv )

输入参数：

• m：待分离的图像，Mat型多通道矩阵；
• mv：分离后的Mat型单通道图像，用vector容器存储，vector <Mat> mv，不需要知道原图像的通道数；
• 分离后的图像存储在，vector容器 vector <Mat> mv 中，mv容器内有3个元素，每个元素的大小均为 image.rows X image.cols 的Mat型矩阵，依次存放着原图像B、G、R分量的数据，每个元素可以通过 []取值，也可以通过 at() 取值；

（3）示例：

#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>

using namespace cv;
using namespace std;

int main() {
    
    
	// 读取图像，BGR存储在Mat矩阵里
	Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
	if (src.empty()) {
    
    
		printf("could not load image..../n");
		return -1;
	}
	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", src);

	// 用Mat型数组，存储分离后的图像，只能用 [] 访问
	// Mat mvbegin[3];
	// split(src, mvbegin);
	// imshow("B", mvbegin[0]);
	// imshow("G", mvbegin[1]);
	// imshow("R", mvbegin[2]); 

	// 用vector容器，存储分离后的图像，用 [] 访问
	// vector<Mat> mv;
	// split(src, mv);
	// imshow("B", mv[0]);
	// imshow("G", mv[1]);
	// imshow("R", mv[2]);

	// 用vector容器，存储分离后的图像，用 at() 访问
	vector<Mat> mv;
	split(src, mv);
	imshow("B", mv.at(0));
	imshow("G", mv.at(1));
	imshow("R", mv.at(2));

	waitKey();
	destroyAllWindows();
	return 0;
}

运行结果：

2、通道合并函数 merge()

• 两种函数原型的用法相同，用于将多个图像(单通道或多通道图像)合并成一个多通道图像，两个函数原型的不同之处在于，输入是Mat型数组形式的图像数据 Mat mvbegin[3]，还是一个vector容器形式的图像数据 vector <Mat>，这里和 split()函数原型相对应；
• 合并函数输出的是一个多通道图像，其通道数是所有输入图像通道数的总和，用于合并的图像并非都是单通道的，也可以是多个通道的图像，输入图像的通道数目可以不相同，但是需要所有图像都具有相同的尺寸和数据类型；

函数原型：

（1）函数原型一：输入是，Mat型数组形式的图像数据 Mat mvbegin[3]

void merge( const Mat *mvbegin, size_tcount, OutputArray dst )

输入参数：

• mvbegin：需要合并的单通道或多通道图像，输入的是一个，Mat型数组形式的图像数据 mvbegin[3]；
• size_tcount：输入图像数组的长度，其数值必须大于0；
• dst：合并后的图像；

（2）函数原型二：输入是，vector容器形式的图像数据 vector <Mat>

void merge( InputArrayOfArrays mv, OutputArray dst )

输入参数：

• mv：需要合并的单通道或多通道图像，输入的是一个，vector容器形式的图像数据 vector <Mat>，其中每个图像必须拥有相同的尺寸和数据类型；
• dst：合并后的图像，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；

（3）示例一：先用split()将图像三通道分离，用 Mat型数组 Mat mvbegin[3]存储分离后的图像，然后再将三通道图像用merge()合并，对应函数原型一；

#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>

using namespace cv;
using namespace std;

int main() {
    
    
	// 读取图像，BGR存储在Mat矩阵里
	Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
	if (src.empty()) {
    
    
		printf("could not load image..../n");
		return -1;
	}
	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", src);


	// 通道分离，用Mat型数组存储分离后的图像
	Mat mvbegin[3];
	split(src, mvbegin);
	Mat BlueChannel = mvbegin[0];
	Mat GreenChannel = mvbegin[1];
	Mat RedChannel = mvbegin[2];

	// 将R通道全部置0
	Mat r = mvbegin[2].clone();
	r.setTo(0);

	// 需要合并的Mat型数组 
	Mat newChannel[3] = {
    
     BlueChannel , GreenChannel , r };

	// 合并通道
	Mat dst;
	merge(newChannel, 3, dst);
	// 显示
	imshow("Merged", dst);

	waitKey();
	destroyAllWindows();
	return 0;
}

运行结果：

（4）示例二：先用split()将图像三通道分离，用 vector容器 vector <Mat> 存储分离后的图像，然后再将三通道图像用merge()合并，对应函数原型二；

#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>

using namespace cv;
using namespace std;

int main() {
    
    
	// 读取图像，BGR存储在Mat矩阵里
	Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
	if (src.empty()) {
    
    
		printf("could not load image..../n");
		return -1;
	}
	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", src);


	// 通道分离
	vector<Mat> mv;
	split(src, mv);
	Mat BlueChannel = mv.at(0);
	Mat GreenChannel = mv.at(1);
	Mat RedChannel = mv.at(2);

	// 将B通道全部置0
	Mat b = mv.at(0).clone();
	b.setTo(0);

	vector<Mat> newChannel;
	newChannel.push_back(b);
	newChannel.push_back(GreenChannel);
	newChannel.push_back(RedChannel);

	//通道合并
	Mat mergedImage;
	merge(newChannel, mergedImage);
	// 显示
	imshow("Merged", mergedImage);

	waitKey();
	destroyAllWindows();
	return 0;
}

运行结果：

3、通道的混合mixChannels()

函数原型：

（1）函数原型一：

void cv::mixChannels	(
	InputArrayOfArrays		src,
	InputOutputArrayOfArrays 	dst,
	const std::vector< int > 	&fromTo 
)

输入参数：

• src：输入矩阵，所有矩阵的大小和深度必须相同；
• dst：输出矩阵，大小和深度必须与 src[0]相同；
• fromTo：索引对，表示输入矩阵的第几个通道，复制到，输出矩阵的第几个通道；举例说明：
  { 0, 2, 1, 1, 2, 0 } 表示：
  src颜色通道0 复制到 dst颜色通道2
  src颜色通道1 复制到 dst颜色通道1
  src颜色通道2 复制到 dst颜色通道0
  

（2）函数原型二：

在这个函数原型中：

• 如果输入矩阵和输出矩阵都是1，那么就跟第一种函数原型一致了；
• 如果不为1，就可以实现多个矩阵的合并，或者一个矩阵拆分为多个矩阵，或者其他功能；

void cv::mixChannels
(
	const Mat 	*src,
	size_t 		nsrcs,
	Mat		*dst,
	size_t	        ndsts,
	const int       *fromTo,
	size_t 		npairs 
)

输入参数：

• src：输入矩阵，所有矩阵的大小和深度必须相同；
• ndsts：矩阵的数量；
• dst：输出矩阵，大小和深度必须与 src[0]相同；
• fromTo：索引对，表示输入矩阵的第几个通道，复制到，输出矩阵的第几个通道；
• ndsts：矩阵的数量；
• npairs：fromTo中索引对的数目；

（3）示例一：颜色通道交换 青色(255, 255, 0) 黄色(0, 255, 255)

原图的青色(255, 255, 0)，通过指定通道复制到输出图像中变成了黄色(0, 255, 255)；

通道对应关系：

索引对 from_to[] = { 0, 2, 1, 1, 2, 0, 3, 3 } 的含义：

• bg的0通道，复制到，out[]的2通道，即bgr的0通道；
• bgra的1通道，复制到，out[]的1通道，即bgr的1通道；
• bgra的2通道，复制到，out[]的0通道，即bgr的2通道；
• bgra的3通道，复制到，out[]的3通道，即bgr的alpha通道；
  

示例代码：

#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>

using namespace cv;
using namespace std;

int main() {
    
    
	// 读取图像，BGR存储在Mat矩阵里
	Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
	if (src.empty()) {
    
    
		printf("could not load image..../n");
		return -1;
	}
	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", src);

	Mat bgra(200, 200, CV_8UC4, Scalar(255, 255, 0, 255));
	Mat bgr(bgra.rows, bgra.cols, CV_8UC3);
	Mat alpha(bgra.rows, bgra.cols, CV_8UC1);

	Mat out[] = {
    
     bgr, alpha };

	int from_to[] = {
    
     0, 2, 1, 1, 2, 0, 3, 3 };
	mixChannels(&bgra, 1, out, 2, from_to, 4);

	imshow("bgra", bgra);
	imshow("bgr", bgr);

	waitKey();
	destroyAllWindows();
	return 0;
}

运行结果：

（4）示例二：图像分割

将一个4通道矩阵（BGRA图像）分割成一个3通道矩阵（BGR图像）和一个单通道矩阵（alpha通道图像）；

通道对应关系：索引对，int fromTo[] = { 0, 2, 1, 1, 2, 0, 3, 3 }

• bgra的0通道，复制到，bgr的2通道；
• bgra的1通道，复制到，bgr的1通道；
• bgra的2通道，复制到，bgr的0通道；
• bgra的3通道，复制到，alpha的0通道；

示例代码：

#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>

using namespace cv;
using namespace std;

int main() {
    
    

	Mat bgra( 200, 200, CV_8UC4, Scalar(255, 0, 0, 255) );
	Mat bgr( bgra.rows, bgra.cols, CV_8UC3 );
	Mat alpha( bgra.rows, bgra.cols, CV_8UC1 );

	Mat out[] = {
    
     bgr,alpha };
	// 通道对应关系
	int fromTo[] = {
    
     0, 2, 1, 1, 2, 0, 3, 3 };

	mixChannels(&bgra, 1, out, 2, fromTo, 4);
	imshow("bgra", bgra);
	imshow("bgr", bgr);
	imshow("alpha", alpha);

	waitKey();
	destroyAllWindows();
	return 0;
}

运行结果：

（5）示例三：HSV通道获取

利用mixChannels()函数通过，复制指定通道，可以看到HSV颜色空间下的三个通道的具体情况；

HSV颜色空间：

• Hue（色相）：代表色彩，取 0 到 360 度的数值来衡量（红-黄-绿-青-蓝-洋红）；
• Saturation（饱和度、色度）：指色彩的深浅，饱和度代表灰色与色调的比例，并以 0% (灰色) 到 100% (完全饱和) 来衡量，S=0时只有灰度；
• Value（色调）：色彩的明亮程度，V=1，它包含RGB模型中的R=1，G=1，B=1 三个面，所代表的颜色较亮；

示例代码：

#include <opencv2\opencv.hpp>
#include <iostream>
#include <demo.h>

using namespace cv;
using namespace std;

int main() {
    
    
	// 读取图像，BGR存储在Mat矩阵里
	Mat src = cv::imread("C:\\cpp\\image\\suzy1.jpg");
	if (src.empty()) {
    
    
		printf("could not load image..../n");
		return -1;
	}
	namedWindow("src", WINDOW_AUTOSIZE);
	imshow("src", src);

	Mat hsv, dst;
	cvtColor(src, hsv, COLOR_BGR2HSV);
	dst.create( hsv.size(), hsv.depth() );

	//分离Hue，色相通道
	int ch[] = {
    
     0, 0 };
	mixChannels(&hsv, 1, &dst, 1, ch, 1);
	imshow("H channel", dst);

	//分离Saturation，饱和度通道
	int ch1[] = {
    
     1, 0 };
	mixChannels(&hsv, 1, &dst, 1, ch1, 1);
	imshow("S channel", dst);

	//分离Value，色调通道
	int ch2[] = {
    
     2, 0 };
	mixChannels(&hsv, 1, &dst, 1, ch2, 1);
	imshow("V channel", dst);

	waitKey();
	destroyAllWindows();
	return 0;
}

运行结果：