OpenCV-图像通道提取与处理

计算机视觉实验一：图像通道提取与处理

📋 实验目标

学习 OpenCV 中图像通道的提取、处理和显示方法，理解 BGR 颜色空间和图像数组操作。

🛠️ 实验环境

• Python 版本: 3.x
• 主要库: OpenCV, NumPy, Matplotlib
• 图像文件: leaf.jpg

📚 核心知识点

1. OpenCV 颜色通道顺序

OpenCV 使用 BGR（蓝-绿-红）格式存储彩色图像：

• 通道 0: 蓝色通道 (Blue)
• 通道 1: 绿色通道 (Green)
• 通道 2: 红色通道 (Red)

2. NumPy 数组切片语法

img[:,:,0]  # 选择所有行、所有列、第0个通道

• 第一个 :: 选择所有行（高度）
• 第二个 :: 选择所有列（宽度）
• 第三个 0: 选择第0个通道（蓝色）

3. 图像数组维度

• 3维数组: (height, width, channels) - 彩色图像
• 2维数组: (height, width) - 灰度图像

💻 实验代码详解

步骤1: 导入库和加载图像

import cv2
import numpy as np
import matplotlib.pyplot as pltimg = cv2.imread('leaf.jpg')

步骤2: 提取蓝色通道

# 提取蓝色通道（单通道）
img_blue = img[:,:,0]
cv2.imshow('img_blue', img_blue)

⚠️ 重要发现: 提取蓝色通道后显示的是灰度图像，而不是蓝色图像！

原因分析:

• img_blue 是单通道的2维数组
• OpenCV 显示单通道图像时自动转换为灰度显示
• 要显示蓝色，需要保持3通道结构

步骤3: 创建只显示蓝色的彩色图像

# 创建与原始图像相同形状的零数组
img_blue_true = np.zeros_like(img)# 只保留蓝色通道，其他通道设为0
img_blue_true[:,:,0] = img_blue

关键函数: np.zeros_like(img)

• 创建与 img 形状和数据类型完全相同的数组
• 所有元素填充为 0
• 保持3通道结构

步骤4: 图像拼接显示

# 水平拼接两个图像进行对比
combined_img = np.hstack((img, img_blue_true))
cv2.imshow('combined_img', combined_img)

步骤5: 图像缩放处理

# 获取原始图像尺寸
height, width = img.shape[:2]  # 注意：返回的是(height, width)# 设置缩放比例
scale_factor = 0.5  # 缩小到50%
new_width = int(width * scale_factor)
new_height = int(height * scale_factor)# 缩放图像
img_blue = cv2.resize(img_blue, (new_width, new_height))
img_blue_true = cv2.resize(img_blue_true, (new_width, new_height))

步骤6: 通道转换和最终拼接

# 将单通道灰度图像转换为3通道BGR图像
img_blue = cv2.cvtColor(img_blue, cv2.COLOR_GRAY2BGR)# 拼接缩放后的图像
combined_img_new = np.hstack((img_blue, img_blue_true))
cv2.imshow('combined_new', combined_img_new)

🚨 常见错误与解决方案

错误1: 数组维度不匹配

# ❌ 错误写法
img_blue_true[:,:,0] = img_blue[:,:,0]  # img_blue是2维数组，不能用3维索引# ✅ 正确写法
img_blue_true[:,:,0] = img_blue

错误2: 宽高顺序错误

# ❌ 错误写法
width, height = img.shape[:2]  # 顺序错误# ✅ 正确写法
height, width = img.shape[:2]  # img.shape返回(height, width, channels)

错误3: 通道数不匹配拼接

# ❌ 错误写法
combined = np.hstack((img_blue, img_blue_true))  # 2维和3维数组无法拼接# ✅ 正确写法
img_blue_3channel = cv2.cvtColor(img_blue, cv2.COLOR_GRAY2BGR)
combined = np.hstack((img_blue_3channel, img_blue_true))

📊 实验结果

显示效果对比

1. 原始图像: 完整的彩色图像
2. 蓝色通道(灰度): 单通道提取，显示为灰度图像
3. 蓝色通道(彩色): 只显示蓝色分量，其他通道为0
4. 拼接对比: 并排显示，便于观察差异

关键观察

• 蓝色通道提取后，图像中蓝色分量强的区域在灰度图中显示较亮
• 通过设置其他通道为0，可以创建只显示特定颜色分量的图像
• 图像缩放和拼接是图像处理中的常用技术

🔧 实用技巧

1. 图像尺寸获取

height, width, channels = img.shape  # 获取完整形状信息
height, width = img.shape[:2]        # 只获取高度和宽度

2. 图像缩放

# 等比例缩放
scale_factor = 0.5
new_width = int(width * scale_factor)
new_height = int(height * scale_factor)
resized_img = cv2.resize(img, (new_width, new_height))

3. 通道转换

# 灰度转BGR
gray_3channel = cv2.cvtColor(gray_img, cv2.COLOR_GRAY2BGR)# BGR转灰度
gray_img = cv2.cvtColor(bgr_img, cv2.COLOR_BGR2GRAY)

4. 图像拼接

# 水平拼接
combined_h = np.hstack((img1, img2))# 垂直拼接
combined_v = np.vstack((img1, img2))

📝 总结

本次实验学习了：

1. OpenCV 图像读取和显示
2. BGR 颜色空间和通道提取
3. NumPy 数组操作和切片语法
4. 图像缩放和拼接技术
5. 通道转换和图像处理技巧

通过对比不同处理方法的显示效果，深入理解了图像在计算机中的存储和表示方式。

---

实验日期: 2025年9月20日
实验者: Atta