Python图像识别-Opencv03 通道处理、缩放

上一节讲到Opencv的通道模式，按照B通道-->G通道-->R通道顺序进行存储的。再图像处理的过程中，可以根据需要对通道进行拆分和合并

通道拆分

针对RGB图像，可以分别拆分出其R通道，G通道，B通道。再Opencv中可以通过索引直接将各个通道从图像中提出出来。例如，针对Opencv内的BGR图像img，可用如下语句进行B\G\R通道的提取：

b = img[:,:,0]
g = img[:,:,1]
r = img[:,:,2]

接着我们查看一下，单单只有b,g,r通道的图片和原图的区别

接着我们开始尝试抽取颜色，将图片中的B,G,R颜色分别抽取，代码如下：

img = cv2.imread('D:/PixC/01.jpeg')
img[:,:,0] = 0
cv.imshow('img-b',img)

img = cv2.imread('D:/PixC/01.jpeg')
img[:,:,1] = 0
cv.imshow('img-g',img)

img = cv2.imread('D:/PixC/01.jpeg')
img[:,:,2] = 0
cv.imshow('img-r',img)

于是得到如下图

 分别是抽调了绿色，蓝色和红色之后的效果图

当然除了索引，我们还可以用cv2.split()来拆分图像通道。例如，可以使用如下语句拆分彩色BGR图像img，得到通道b,g,r

b,g,r =cv2.split(img)

上述代码与接下来这段代码是对等的

b = cv2.split(img)[0]
g = cv2.split(img)[1]
r = cv2.split(img)[2]

通道合并

通道合并是通道拆分的逆过程，通过合并通道可以将三个通道的灰度图像合并成一幅彩色的图像。函数cv2.merge()可以实现通道合并。

当然，我们原模原样合并看不出差异，换个方式，原来的BGR通道换成RGB，于是我们得到了另一张色调的图，代码如下

bgr_img = cv2.merge([b,g,r])
rgb_img = cv2.merge([r,g,b])

cv2.imshow('bgr_img',bgr_img)
cv2.imshow('rgb_img',rgb_img)

 调整图像大小

Opencv使用函数cv2.resize()实现对图像的缩放，代码如下

rowls,cols = img.shape[:2]
size = (int(cols*0.8),int(rowls*0.8))
img_2 = cv2.resize(img,size)
print('imgshape = ',img.shape)
print('img2shape = ',img_2.shape)

cv2.imshow('img1',img)
cv2.imshow('img2',img_2)

得到输出如下

imgshape =  (346, 260, 3)
img2shape =  (276, 208, 3)

图片如下