太阳能公司网站建设多少钱什么是seo搜索优化

目标：1.学会图像的通道分割与合并

           2.学会图像的的常规操作

##一些概念：

二值图像：只包含黑色和白色两种颜色的图像，1为白色，0为黑色

灰度图像：计算机会将灰度处理为256个灰度级，用区间[0,255]来表示。其中255表达纯白 色，0表示纯黑色。

彩色图像：由于色彩空间不一致，导致彩色图像的表示也不一致，以RGB图像为例，由三个  通道组成，R通道，G通道，B通道，每个色彩的通道值处于[0,255]，经过不同的组合共有 256*256*256=16777216种颜色。但是在opencv中，图像通道是按照 B，G，R排列的

1. 通道操作

为什么需要通道操作？

有时候，需要将图像的通道数进行分割处理，在opencv中，图像通道是按照 B，G，R排列的

方法：分为索引拆分和通过函数拆分，主要讲解函数拆分

函数：cv2.spilt（img）

import cv2lean=cv2.imread("1.JPG")
b,g,r=cv2.split(lean)   # 与下面的写法是一致的# b1=cv2.split(lean)[0]
# g1=cv2.split(lean)[1]
# r1=cv2.split(lean)[2]cv2.imshow("B",b)
cv2.imshow("G",g)
cv2.imshow("R",r)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项：上述代码呈现的图片大小不能调，下面的是可以手动调大小的

import cv2result=cv2.imread("1.JPG")
b,g,r=cv2.split(result)    #分割图像，将图像按照B,G,R的通道进行拆分
cv2.namedWindow('11',cv2.WINDOW_NORMAL)  # 需要自定义个窗体,正常模式
cv2.namedWindow('12',cv2.WINDOW_NORMAL)
cv2.namedWindow('13',cv2.WINDOW_NORMAL)
cv2.imshow("11",b)
cv2.imshow("12",g)
cv2.imshow("13",r)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 通道合并

说明：通道合并是通道拆分的逆过程，例如将三个通道的灰度图像构成 一副彩色图像。

为什么需要通道合并？

有时候可能需要两个通道合并或者多个通道合并，图像在opencv中是按照B，G，R的顺序进行排列的，可以先对图像进行拆分操作，在按照R，G，B的顺序进行合并。

函数：cv2.merge(mv)

解释：参数mv为单通道图像或者列表，每个通道的图像长和款应该相同

import cv2result=cv2.imread("1.JPG")
b,g,r=cv2.split(result)    #分割图像，将图像按照B,G,R的通道进行拆分
cv2.namedWindow('11',cv2.WINDOW_NORMAL)  # 需要自定义个窗体,正常模式
cv2.namedWindow('12',cv2.WINDOW_NORMAL)
#cv2.namedWindow('13',cv2.WINDOW_NORMAL)bgr=cv2.merge([b,g,r])
rgb=cv2.merge([r,g,b])cv2.imshow("11",bgr)
cv2.imshow("12",rgb)
#cv2.imshow("13",r)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 图像属性

下面仅介绍常用的图像属性

shape：如果是彩色图像，则返回行数、列数、通道数的数组，若是二值图像或者灰度图像                 则只返回行数和列数

size：返回图像的像素数，其值为 “行x列x通道数”，灰度图像或者二值图像通道数为1

dtype：返回图像的数据类型

### 图像的高和宽分别对应着列数和行数。

• 高度（Height）=行数
• 宽度（Width）=列数

如何获取图像的长和宽？

import cv2# 读取图像（返回的是 numpy 数组）
img = cv2.imread("image.jpg")# 获取图像的高度（行数）和宽度（列数）
height, width = img.shape[:2]  # 取前两个值，分别是高度和宽度print(f"图像宽度（列数）：{width}")
print(f"图像高度（行数）：{height}")

如何统一图像的大小？如何批量统一图像的嗯大小？

函数：cv2.resize(src, dsize, fx=0, fy=0, interpolation=cv2.INTER_LINEAR)

参数	作用
src	输入图像（numpy 数组）
dsize	目标尺寸，格式为 (宽度, 高度)（如 (640, 480)）
fx/fy	水平 / 垂直方向的缩放比例（若指定，则 dsize 需设为 None）
interpolation	插值方法（决定缩放时如何计算新像素值，影响结果质

import cv2
import os
from glob import globdef resize_images(input_dir, output_dir, target_size=(640, 480)):"""批量调整图像大小:param input_dir: 原始图像所在文件夹:param output_dir: 调整后图像的保存文件夹:param target_size: 目标尺寸 (宽度, 高度)"""# 创建输出文件夹（如果不存在）os.makedirs(output_dir, exist_ok=True)# 获取文件夹中所有图片（支持常见格式）image_paths = glob(os.path.join(input_dir, "*.[jpgnJPGEpngPNG]"))for img_path in image_paths:# 读取图像img = cv2.imread(img_path)if img is None:print(f"无法读取图像: {img_path}")continue# 调整图像大小# interpolation参数：缩放时的插值方法# - cv2.INTER_AREA: 适合缩小图像（推荐）# - cv2.INTER_CUBIC: 适合放大图像（质量更高但速度慢）# - cv2.INTER_LINEAR: 线性插值（默认，平衡速度和质量）resized_img = cv2.resize(img, target_size, interpolation=cv2.INTER_AREA)# 保存调整后的图像img_name = os.path.basename(img_path)output_path = os.path.join(output_dir, img_name)cv2.imwrite(output_path, resized_img)print(f"已保存: {output_path}")# 使用示例
if __name__ == "__main__":input_folder = "原始图片文件夹路径"  # 替换为你的输入文件夹output_folder = "调整后图片文件夹路径"  # 替换为你的输出文件夹target_width = 800    # 目标宽度target_height = 600   # 目标高度resize_images(input_folder, output_folder, (target_width, target_height))