### OpenCV 图像像素操作与通道分离合并示例 在 OpenCV 中，图像的像素操作和通道分离与合并是常见的图像处理任务。以下将详细介绍如何使用 OpenCV 进行这些操作，并提供完整的代码示例。 #### 1. 图像像素操作 OpenCV 提供了多种方法来访问和修改图像的像素值。可以通过 `Mat.at()` 方法直接访问图像的像素值，或者通过 NumPy 数组的方式进行操作[^3]。 ```python import cv2 import numpy as np # 读取图像 img = cv2.imread('image.jpg') # 检查图像是否成功加载 if img is None: raise Exception("图片无法读取，请检查文件路径是否正确") # 访问单个像素值 pixel_value = img[100, 100] # 获取 (100, 100) 坐标的 BGR 值 print("Pixel Value at (100, 100):", pixel_value) # 修改单个像素值 img[100, 100] = [255, 0, 0] # 将 (100, 100) 的像素值设置为蓝色 # 显示图像 cv2.imshow('Modified Image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 2. 通道分离与合并 OpenCV 提供了 `cv2.split()` 和 `cv2.merge()` 函数用于通道的分离与合并。以下是详细的代码示例： ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图像 img = cv2.imread('image.jpg') # 检查图像是否成功加载 if img is None: raise Exception("图片无法读取，请检查文件路径是否正确") # 分离 BGR 通道 b, g, r = cv2.split(img) # 创建单通道图像 zeros = np.zeros_like(b) blue = cv2.merge([b, zeros, zeros]) # 蓝色通道 green = cv2.merge([zeros, g, zeros]) # 绿色通道 red = cv2.merge([zeros, zeros, r]) # 红色通道 # 合并通道 merged_img = cv2.merge([b, g, r]) # 显示图像 plt.figure(figsize=(15, 6)) plt.subplot(151) plt.title('Original') plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.subplot(152) plt.title('Blue Channel') plt.imshow(cv2.cvtColor(blue, cv2.COLOR_BGR2RGB)) plt.subplot(153) plt.title('Green Channel') plt.imshow(cv2.cvtColor(green, cv2.COLOR_BGR2RGB)) plt.subplot(154) plt.title('Red Channel') plt.imshow(cv2.cvtColor(red, cv2.COLOR_BGR2RGB)) plt.subplot(155) plt.title('Merged Image') plt.imshow(cv2.cvtColor(merged_img, cv2.COLOR_BGR2RGB)) plt.tight_layout() plt.show() ``` #### 3. 灰度转换 灰度转换是将彩色图像转换为单通道灰度图像的过程，可以使用 `cv2.cvtColor()` 函数实现。 ```python # 灰度转换 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 显示灰度图像 cv2.imshow('Grayscale Image', gray) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上代码展示了如何使用 OpenCV 进行图像像素操作、通道分离与合并以及灰度转换。