使用numpy处理图片——分离通道

《使用numpy处理图片——滤镜》中,我们剥离了RGB中的一个颜色,达到一种滤镜的效果。
如果我们只保留一种元素,就可以做到PS中分离通道的效果。

读入图片

import numpy as np
import PIL.Image as Image

img = Image.open('the_starry_night.jpg')
data = np.array(img)

分离通道

堆叠法

堆叠法是先把各个通道分离出来,然后重构成二维数组。最后和其他值为0的同大小二维数组进行堆叠,构造成三维数组。
在这里插入图片描述

colorDim3List = np.dsplit(data, 3)
red = colorDim3List[0].reshape(data.shape[0], data.shape[1])
green = colorDim3List[1].reshape(data.shape[0], data.shape[1])
blue = colorDim3List[2].reshape(data.shape[0], data.shape[1])

zeros = np.zeros_like(blue)
red = np.dstack((red, zeros, zeros))
green = np.dstack((zeros, green, zeros))
blue = np.dstack((zeros, zeros, blue))

复制修改法

复制修改法就是将原来的三维数组进行复制,然后针对性的修改第三维度上相应字段的值。
在这里插入图片描述

red, green, blue = data.copy(), data.copy(), data.copy()
red[:, :, (1,2)] = 0
green[:, :, (0,2)] = 0
blue[:, :, (0,1)] = 0

生成图片

原图
在这里插入图片描述

我们在一张图中展现各个通道。
在这里插入图片描述

代码地址

https://github.com/f304646673/numpy-example/tree/main/rgb

### 使用OpenCV Python进行通道分离图像处理领域,通过OpenCV Python库能够便捷地执行通道分离操作。对于一幅彩色图片而言,通常由红(Red)、绿(Green)、蓝(Blue)三种颜色组成,每种色彩对应着不同的灰度值分布情况。 #### 方法一:利用`cv2.split()`函数 此方法简单明了,适合初学者快速上手。下面给出一段具体的代码实例: ```python import cv2 import numpy as np img = cv2.imread('messi5.jpg') # 加载图像 b, g, r = cv2.split(img) # 将BGR三通道分开成独立变量存储 ``` 上述代码实现了读取名为'messi5.jpg'的文件并将其分解为蓝色(B),绿色(G),红色(R)三个单独的颜色平面[^2]。 为了更灵活地获取特定的一个或多个通道数据,还可以采用如下方式指定索引来提取单个通道的数据: ```python blue_channel = cv2.split(img)[0] green_channel = cv2.split(img)[1] red_channel = cv2.split(img)[2] ``` 这里分别得到了原始图像中对应的各个颜色分量的信息。 #### 方法二:直接操作Numpy数组 鉴于OpenCV与NumPy之间的紧密联系,在某些情况下可以直接借助于后者来进行更加高效的内存管理和计算优化。具体做法是在加载好图像之后视其为一个多维数组对象,进而按照下标位置选取所需的元素构成新的子集作为目标通道的结果。 ```python (b, g, r) = img[:, :, :3].copy().transpose((2, 0, 1)) # 或者使用切片语法简化表达形式 r, g, b = img[..., ::-1].T.copy() ``` 这两种途径都可以达到相同的效果——成功完成对输入图像各主要组成部分的有效分割[^3]。 值得注意的是,当调用`cv2.imshow()`显示分离后的单色图像时,应该注意调整窗口名称以匹配所展示的具体内容;此外还需记得关闭所有打开过的预览窗体以免造成资源泄漏等问题。 ```python cv2.imshow("Original Image", img) cv2.imshow("Blue Channel", b) cv2.imshow("Green Channel", g) cv2.imshow("Red Channel", r) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上就是关于如何运用OpenCV Python工具包实施基本的图像通道分离工作的介绍。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

breaksoftware

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值