提取图像的各个通道，进行显示

深度学习与图像目标检测

于 2018-09-05 15:52:41 发布

阅读量3k

点赞数

CC 4.0 BY-SA版权

分类专栏： opencv python

本文链接：https://blog.youkuaiyun.com/weixin_39153202/article/details/82425285

本文主要介绍了如何从图像中分别提取RGB三个通道，并详细讲解了每个通道在图像处理中的作用。通过实例展示了提取通道后的图像显示效果，帮助读者理解图像通道的基本概念和应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-
"""
Created on Tue May  8 19:11:52 2018

@author: PC
"""
import cv2
import numpy as np

img = cv2.imread('C:/Users/PC/Desktop/program/skin/Images/self2.jpg') #低反光
cv2.imshow('image',img)

## =============================================================================
## 去除光照不均
## =============================================================================
#img_HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) #提取V通道
#H, S, V = cv2.split(img_HSV)
#B, G, R = cv2.split(img)
#
#kernel = np.ones((11,11),np.float32)/121 
#mask = cv2.filter2D(V,-1,kernel) # V通道均值
#mask1 = (mask/256) * (mask/256) * 256 # 建立函数，使低值像素分布更细腻，抛物线函数
#mask2 = mask1.astype(np.uint8)
#V1 = cv2.normalize(mask2, None, 0, 125, cv2.NORM_MINMAX) #归一化，数值分布到 range(0,100)
##    cv2.imshow('mask1',V1)
#B = cv2.subtract(B, V1)
#G = cv2.subtract(G, V1)
#R = cv2.subtract(R, V1)
#dst = cv2.merge((B,G,R))
#img = cv2.normalize(dst, None, 0, 255, cv2.NORM_MINMAX)
#cv2.im