自己是一个菜鸡，希望通过写博客的方式提升自己，最近正好接触到了opencv，想把学习路程以博客的形式记录下来，也算是学习opencv的一种动力吧，好吧，话不多说，干就完了！
一、 基础知识
颜色通道
一张彩色图像有三个颜色通道，分别为R、G、B通道。opencv提供了将三个通道的图像拆分以及将三个通道的图像合并的函数，非常方便。
通道拆分：(B, G, R) = cv2.split(image) 得到三张单通道灰度图，没有彩色信息，只有灰度强弱的信息。
通道合并：image = cv2.merge([B, G, R]) 将三个通道的图片合成一张原先的RGB图像。如果说想看到原图绿色通道最真实的颜色怎么办呢，很简单，将另外两个通道设为0矩阵，合并就成了一个RGB图像，此图像只有绿色通道有值，因此就是原图像中真正的绿色通道分量。
颜色空间
除了RGB色彩空间，还有HSV，Lab，YUV色彩空间。
RGB：一般为计算机、电视机色彩显示的方法，该颜色空间最为直观，任何颜色（共有256*256*256种）都能通过R、G、B三色不同分量的相加混合而成。
HSV：更类似于人类感觉颜色的方式，因为Hue(色相)，Saturation(饱和度)，Value（亮度），人们对待颜色常常在想：这是什么颜色？深浅如何？亮度如何？
YUV：Y是亮度信号，U、V代表两个色度信号，分别描述影像色彩和饱和度。如果只有Y分量，那就是一副黑白图像。YUV与RGB之间两者可以通过特定的公式相互转换。
Lab：这是由国际照明委员会建立起来的，L负责整张图像的明暗度，也就是黑白板。a通道与b通道只负责颜色的多少。Lab与RGB之间也存在相应的转换。
在opencv中颜色空间的转换通过cv2.cvtColor(img, mode)函数实现，mode有很多，前缀为cv2.COLOR_….
二、Demo
IMAGE_PATH = './wave.png'
image = cv2.imread(IMAGE_PATH)
cv2.imwrite('image_src.jpg', image)
# 颜色通道分离
(B, G, R) = cv2.split(image)
cv2.imwrite('Blue.jpg', B) # 注意顺序为B、G、R 图片主调颜色为蓝色，所以蓝色通道的图像肯定最亮\
cv2.imwrite('Green.jpg', G)
cv2.imwrite('Red.jpg', R) # 图片上就没什么红色，因此红色通道的图像肯定最暗
# 观察R，G，B三通道图像的真实色彩
zeros = np.zeros(image.shape[:2], dtype='uint8') # 注意是单通道图像，千万不能写image.shape，那就是三通道图像了
actual_B = cv2.merge([B, zeros, zeros]) # 绿色通道，注意B与两个zeros矩阵的顺序噢，一定不能错~
actual_G = cv2.merge([zeros, G, zeros])
actual_R = cv2.merge([zeros, zeros, G])
cv2.imwrite('actualb.jpg', actual_B)
cv2.imwrite('actualg.jpg', actual_G)
cv2.imwrite('actualr.jpg', actual_R)
# 色彩空间
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 转到HSV颜色空间
cv2.imwrite('hsv.jpg', hsv)
lab = cv2.cvtColor(image, cv2.COLOR_BGR2Lab) # 转到Lab颜色空间
cv2.imwrite('lab.jpg', lab)
yuv = cv2.cvtColor(image, cv2.COLOR_BGR2YUV) # 转到YUV颜色空间
cv2.imwrite('yuv.jpg', yuv)运行结果：
三、总结
- RGB图像的颜色通道的分离产生三张灰度图像，分别代表了R、G、B图像分量的信号强弱，也可以通过颜色通道的合并产生一副彩色图像。
- 除了RGB颜色空间还有很多非常有用的颜色空间，比如Lab、HSV，YUV等，这部分内容并没有详解，也没必要详解，知道有这么回事就行了，以后真的用到了再查就好了。
- 加油。