Python cv2.merge（（r，g，b））是如何工作的？

我正在尝试用RGB颜色对图像进行线性过滤。我找到了一种方法，将图像分割成不同的颜色层，然后合并它们

i、 e:

---

我想了解

cv2.merge（（b，g，r））

是如何工作的，以及最终图像将如何构造。

cv2.merge

将单通道图像合并成多通道图像。您已经在每个通道上单独运行了Sobel边缘检测算法。然后将结果合并到最终输出图像中。如果将结果组合在一起，一开始可能在视觉上没有意义，但显示的是组合到单个图像中的所有三个平面的边缘检测结果

理想情况下，红色色调将告诉您红色通道中边缘检测的强度，绿色色调表示绿色通道的检测强度，最后蓝色色调表示蓝色通道中的检测强度

有时，这是一个很好的调试工具，因此您可以从语义上在单个图像中查看每个通道的所有边缘信息。然而，对于具有大量纹理和活动的非常复杂的图像，这很可能很难解释

更通常的做法是使用彩色边缘检测算法进行边缘检测，或者将图像转换为灰度并对该图像进行检测

---

作为前者的一个例子，可以将RGB图像分解为HSV，并使用该空间中的颜色信息进行更好的边缘检测。请看米卡的回答：。

这是我的理解。在OpenCV中，函数split（）将接收有节奏的图像输入（多通道阵列），并将其拆分为多个单独的单通道阵列

在图像中，每个像素在阵列中顺序地具有一个点，每个像素具有其自己的阵列以表示（r、g和b），因此术语多通道。此设置允许使用相同的功能分割任何类型的图像，如bgr、rgb或hsv

例如（假设这些是单独的示例，因此没有变量被覆盖）

以

b，g，r

arrayts为例。每个是单通道阵列，包含分割rgb图像的一部分

这意味着图像将被拆分为三个单独的阵列：

rgbImage[0] = [234,28,19]

r[0] = 234
g[0] = 28
b[0] = 19

rgbImage[41] = [119,240,45]

    r[41] = 119
    g[14] = 240
    b[14] = 45

Merge则通过将多个单通道阵列合并到一起来执行相反的操作：

newRGBImage = cv2.merge((r,g,b))

通过此功能，分离通道的通过顺序变得非常重要

SUDO代码：

cv2.merge((r,g,b)) != cv2.merge((b,g,r))

顺便说一句：Cv2.split（）是一个昂贵的函数，使用numpy索引必须更加高效

有关更多信息，请查看

newRGBImage = cv2.merge((r,g,b))

cv2.merge((r,g,b)) != cv2.merge((b,g,r))