原图：
（一）cv2.split（）函数d使用
图像颜色通道的分离：
import numpy as np;
import cv2; #导入opencv模块
image=cv2.imread("/home/zje/Pictures/lena.jpeg");#读取要处理的图片
B,G,R = cv2.split(image); #分离出图片的B，R，G颜色通道
cv2.imshow("RED",R); #显示三通道的值都为R值时d图片
cv2.imshow("GREEN",G); #显示三通道的值都为G值时d图片
cv2.imshow("BLUE",B); #显示三通道的值都为B值时d图片
cv2.waitKey(0); #不让程序突然结束
执行上述程序后。得到三张不同d灰度图：
为什么得到的是三张不同d灰度图呢？不是已经分离出R，G，B通道了吗？应该是分别是红色图，绿色图，蓝色图才对阿。
原因是：当调用 imshow（R）时，是把图像的R，G，B三个通道的值都变为R的值，所以图像的颜色三通道值为（R，R，R）
同理 imshow（G）和imshow（B）所显示d图像的颜色通道也依次为（G，G，G）和（B，B，B）。
而 当三个通道d值相同时，则为灰度图。
下面将使用merge（）函数将某一颜色通道（如R）与零矩阵合并，形成（R，0，0）从而显示只有红色通道的图
（二）merge（）函数的使用：
import numpy as np;
import cv2; #导入opencv模块
image=cv2.imread("/home/zje/Pictures/lena.jpeg");#读取要处理的图片
B,G,R = cv2.split(image); #分离出图片的B，R，G颜色通道
zeros = np.zeros(image.shape[:2],dtype="uint8");#创建与image相同大小的零矩阵
cv2.imshow("BLUE",cv2.merge([B,zeros,zeros]));#显示 （B，0，0）图像
cv2.imshow("GREEN",cv2.merge([zeros,G,zeros]));#显示（0，G，0）图像
cv2.imshow("RED",cv2.merge([zeros,zeros,R]));#显示（0，0，R）图像
cv2.waitKey(0);
运行结果会分别显示三张图：
蓝色通道图：
绿色通道图：
红色通道图：
有人可能会问，不是R，G，B吗，为什么B通道反而放在图像的第一位，如（B，0，0）？
因为opencv中，就是调过来d，图像的第一通道是B，第二通道是G，最后是R。
我们最后尝试把 分离出来的R，G，B通道的值重新合并在一起，看是否能获得原图：
import numpy as np;
import cv2; #导入opencv模块
image=cv2.imread("/home/zje/Pictures/lena.jpeg");#读取要处理的图片
B,G,R = cv2.split(image); #分离出图片的B，R，G颜色通道
zeros = np.zeros(image.shape[:2],dtype="uint8");#创建与image相同大小的零矩阵
cv2.imshow("MERGE",cv2.merge([B,G,R]));
cv2.waitKey(0);
~ 运行效果：
结果获得原图。