python学opencv|读取图像（十五）BGR图像和HSV图像通道合并

【1】引言

前序学习进程中，已经掌握了BGR图像和HSV图像通道拆分的基本技巧，即使用split()函数抓取各个通道的具体数值。具体文章链接为：

python学opencv|读取图像（十四）BGR图像和HSV图像通道拆分-CSDN博客

在此基础上我们肯定会想到有拆分就会有合并，这就是本次学习的目的。

【2】官网教程

实现BGR图像和HSV图像通道合并，要调用的函数为：merge()。官网链接为：

OpenCV: Operations on arrays

实际上阅读官网的体验有些云里雾里，所以最佳方案是自己写代码做测试。

【3】代码测试

以拆分学习文章中的代码为基础，增加合并的代码，然后输出图像进行对比，这是测试思路。

【3.1】BGR合并

在pycharm等编辑器中输入下述代码，进行通道数据合并：

    # BGR合并
    bgrm_image=cv.merge([b,g,r]) #合并BGR通道
    bggm_image=cv.merge([b,g,g]) #合并BGG通道
    gggm_image=cv.merge([g,g,g]) #合并GGG通道
    rgbm_image=cv.merge([r,g,b]) #合并RGB通道
    cv.imshow('bgrm', bgrm_image)  # 显示BGR通道
    cv.imshow('bggm', bggm_image)  # 显示BGG通道
    cv.imshow('gggm', gggm_image)  # 显示GGG通道
    cv.imshow('rgbm', rgbm_image)  # 显示RGB通道
    cv.imwrite('cv-ini-000-save-bgrm.png', bgrm_image)  # 保存BGR通道图片
    cv.imwrite('cv-ini-000-save-bggm.png', bggm_image)  # 保存BGG通道图片
    cv.imwrite('cv-ini-000-save-gggm.png', gggm_image)  # 保存GGG通道图片
    cv.imwrite('cv-ini-000-save-rgbm.png', rgbm_image)  # 保存RGB通道图片

使用的原始图片cv-ini-000.png依然为：

图1

运行代码后，我们获得的新组合BGR，BGG，GGG和RGB，对应的图像分别为：

图2 BGR组合图cv-ini-000-save-bgrm.png

图3 BGG组合图cv-ini-000-save-bggm.png

 图4 GGG组合图cv-ini-000-save-gggm.png

图5 RGB组合图cv-ini-000-save-rgbm.png 

由图4可以发现，GGG组合图和拆分后的G通道图看起来几乎一模一样：

图6 单G通道图像cv-ini-000-save-g.png

不过看图像属性会发现，GGG图像是G图像大小的几乎三倍：

图7  GGG图像是G图像大小的几乎三倍

其实换一个思路：GGG通道是将RB通道的数值都改为G通道数值，所以表象上和单个G通道图像看起开一致，但实际上由于通道数=3，所以图片会更大。

【3.2】HSV合并

在pycharm等编辑器中继续增添下述代码：

    # HSV合并
    hsvm_image=cv.merge([h,s,v]) #合并HSV通道
    hvvm_image=cv.merge([h,v,v]) #合并HVV通道
    hhhm_image=cv.merge([h,h,h]) #合并HHH通道
    vshm_image=cv.merge([v,s,h]) #合并VSH通道
    cv.imshow('hsvm', hsvm_image)  # 显示HSV通道
    cv.imshow('hvvm', hvvm_image)  # 显示HVV通道
    cv.imshow('hhhm', hhhm_image)  # 显示HHH通道
    cv.imshow('vshm', vshm_image)  # 显示VSH通道
    cv.imwrite('cv-ini-000-save-bgrm.png', hsvm_image)  # 保存HSV通道图片
    cv.imwrite('cv-ini-000-save-bggm.png', hvvm_image)  # 保存HVV通道图片
    cv.imwrite('cv-ini-000-save-gggm.png', hhhm_image)  # 保存HHH通道图片
    cv.imwrite('cv-ini-000-save-rgbm.png', vshm_image)  # 保存VSH通道图片

运行代码后，我们获得的新组合HSV，HVV，HHH和VSH，对应的图像分别为： 

图8 HSV组合图cv-ini-000-save-hsvm.png

图9 HVV组合图cv-ini-000-save-hvvm.png 

图10 HHH组合图cv-ini-000-save-hhhm.png 

图11 VSH组合图cv-ini-000-save-vshm.png 

和BGR合并类似：三通道的HHH通道图像和单个H通道图像看起开一致，但实际上三通道图片更大。

图12 单H通道图像cv-ini-000-save-h.png 

图13 HHH图像是H图像大小的几乎三倍

实际上，综合下来看：合并后的三通道图恢复了原有的表象，三通道的图像明显比单通道要大，不按照BGR和HSV合并的图像，都偏离了原有的模样。

此时的完整代码为：

import cv2 as cv  # 引入CV模块
import numpy as np  # 引入numpy模块

bgr_image = cv.imread('cv-ini-000.png')

if bgr_image is not None:
    cv.imshow('cv-ini-000', bgr_image)  # 在屏幕上展示图片
    cv.imwrite('cv-ini-000-save.png', bgr_image)  # 保存图片

    # bgr拆分
    b, g, r = cv.split(bgr_image)  # bgr拆分
    #cv.imshow('B', b)  # 显示B通道
    #cv.imshow('G', g)  # 显示G通道
    #cv.imshow('R', r)  # 显示R通道

    cv.imwrite('cv-ini-000-save-b.png', b)  # 保存B通道图片
    cv.imwrite('cv-ini-000-save-g.png', g)  # 保存G通道图片
    cv.imwrite('cv-ini-000-save-r.png', r)  # 保存R通道图片

    # BGR合并
    bgrm_image=cv.merge([b,g,r]) #合并BGR通道
    bggm_image=cv.merge([b,g,g]) #合并BGG通道
    gggm_image=cv.merge([g,g,g]) #合并GGG通道
    rgbm_image=cv.merge([r,g,b]) #合并RGB通道
    #cv.imshow('bgrm', bgrm_image)  # 显示BGR通道
    #cv.imshow('bggm', bggm_image)  # 显示BGG通道
    #cv.imshow('gggm', gggm_image)  # 显示GGG通道
    #cv.imshow('rgbm', rgbm_image)  # 显示RGB通道
    cv.imwrite('cv-ini-000-save-bgrm.png', bgrm_image)  # 保存BGR通道图片
    cv.imwrite('cv-ini-000-save-bggm.png', bggm_image)  # 保存BGG通道图片
    cv.imwrite('cv-ini-000-save-gggm.png', gggm_image)  # 保存GGG通道图片
    cv.imwrite('cv-ini-000-save-rgbm.png', rgbm_image)  # 保存RGB通道图片

    # BGR转HSV
    hsv_image = cv.cvtColor(bgr_image, cv.COLOR_BGR2HSV)  # BGR转HSV
    #cv.imshow('cv-ini-000-hsv', hsv_image)  # 在屏幕上展示图片
    cv.imwrite('cv-ini-000-save-hsv.png', hsv_image)  # 保存图片
    # HSV拆分
    h, s, v = cv.split(hsv_image)  # HSV拆分
    cv.imshow('H', h)  # 显示H通道
    cv.imshow('S', s)  # 显示S通道
    cv.imshow('V', v)  # 显示V通道
    # 保存
    cv.imwrite('cv-ini-000-save-h.png', h)  # 保存H通道图片
    cv.imwrite('cv-ini-000-save-s.png', s)  # 保存S通道图片
    cv.imwrite('cv-ini-000-save-v.png', v)  # 保存V通道图片

    # HSV合并
    hsvm_image=cv.merge([h,s,v]) #合并HSV通道
    hvvm_image=cv.merge([h,v,v]) #合并HVV通道
    hhhm_image=cv.merge([h,h,h]) #合并HHH通道
    vshm_image=cv.merge([v,s,h]) #合并VSH通道
    cv.imshow('hsvm', hsvm_image)  # 显示HSV通道
    cv.imshow('hvvm', hvvm_image)  # 显示HVV通道
    cv.imshow('hhhm', hhhm_image)  # 显示HHH通道
    cv.imshow('vshm', vshm_image)  # 显示VSH通道
    cv.imwrite('cv-ini-000-save-hsvm.png', hsvm_image)  # 保存HSV通道图片
    cv.imwrite('cv-ini-000-save-hvvm.png', hvvm_image)  # 保存HVV通道图片
    cv.imwrite('cv-ini-000-save-hhhm.png', hhhm_image)  # 保存HHH通道图片
    cv.imwrite('cv-ini-000-save-vshm.png', vshm_image)  # 保存VSH通道图片
    cv.waitKey()  # 不会自动关闭图像
    cv.destroyAllWindows()  # 释放所有窗口
else:
    print("There is no any photo")

【4】代码改写

首此启发，我们也许可以探索一下强制合并BGR和HSV，看看有没有新的效果。

继续在pycharm中增加下述代码：

#BGR&HSV组合
    hsrm_image=cv.merge([h,s,r]) #合并HSR通道
    bvgm_image=cv.merge([b,v,r]) #合并BVR通道
    hgsm_image=cv.merge([h,g,s]) #合并HGS通道
    cv.imshow('hsrm', hsrm_image)  # 显示HSR通道
    cv.imshow('bvgm', bvgm_image)  # 显示BVG通道
    cv.imshow('hgsm', hgsm_image)  # 显示HGS通道
    cv.imwrite('cv-ini-000-save-hsrm.png', hsrm_image)  # 保存HSR通道图片
    cv.imwrite('cv-ini-000-save-bvgm.png', bvgm_image)  # 保存BVG通道图片
    cv.imwrite('cv-ini-000-save-hgsm.png', hgsm_image)  # 保存HGS通道图片

运行代码后，获得的HSR、BVG和HGS图像为：

图14 HSR组合图cv-ini-000-save-hsrm.png  

图15 BVG组合图cv-ini-000-save-bvgm.png 

  图16 HGS组合图cv-ini-000-save-hgsm.png  

由图可见，BVG组合比较接近真实图像，但和原图相比，主体颜色已经偏绿色，可能是G通道的缘故。

【5】总结

对BGR图和HSV图进行了通道组合，掌握了cv2.merge()函数的基本操作技巧。

实践发现：

三通道图像要比单通道图像大；

BGR和HSV通道也能互相组合。