为了更好的观察一些图像材料的特征，有时需要对RGB三个颜色通道的分量进行分别显示和调整。通过OpenCV的split和merge方法可以很方便的达到目的。
一、分离颜色通道
1、split函数详解
将一个多通道数组分离成几个单通道数组。ps：这里的array按语境译为数组或者阵列。这个split函数的C++版本有两个原型，他们分别是：
1 C++: void split(const Mat& src, Mat*mvbegin);
2 C++: void split(InputArray m,OutputArrayOfArrays mv);
关于变量介绍：
- 第一个参数，InputArray类型的m或者const Mat&类型的src，填我们需要进行分离的多通道数组。
- 第二个参数，OutputArrayOfArrays类型的mv，填函数的输出数组或者输出的vector容器。
OutputArrayOfArrays的原型如下：
1 class CV_EXPORTS _OutputArray : public_InputArray
2 {
3 public:
4 _OutputArray();
5
6 _OutputArray(Mat& m);
7 template<typename _Tp> _OutputArray(vector<_Tp>& vec);
8 template<typename _Tp> _OutputArray(vector<vector<_Tp>>& vec);
9 _OutputArray(vector<Mat>& vec);
10 template<typename _Tp> _OutputArray(vector<Mat_<_Tp>>& vec);
11 template<typename _Tp> _OutputArray(Mat_<_Tp>& m);
12 template<typename _Tp, int m, int n> _OutputArray(Matx<_Tp, m,n>& matx);
13 template<typename _Tp> _OutputArray(_Tp* vec, int n);
14 _OutputArray(gpu::GpuMat& d_mat);
15 _OutputArray(ogl::Buffer& buf);
16 _OutputArray(ogl::Texture2D& tex);
17
18 _OutputArray(constMat& m);
19 template<typename _Tp> _OutputArray(const vector<_Tp>&vec);
20 template<typename _Tp> _OutputArray(constvector<vector<_Tp> >& vec);
21 _OutputArray(const vector<Mat>& vec);
22 template<typename _Tp> _OutputArray(const vector<Mat_<_Tp>>& vec);
23 template<typename _Tp> _OutputArray(const Mat_<_Tp>& m);
24 template<typename _Tp, int m, int n> _OutputArray(constMatx<_Tp, m, n>& matx);
25 template<typename _Tp> _OutputArray(const _Tp* vec, int n);
26 _OutputArray(const gpu::GpuMat& d_mat);
27 _OutputArray(const ogl::Buffer& buf);
28 _OutputArray(const ogl::Texture2D& tex);
29
30 virtual bool fixedSize() const;
31 virtual bool fixedType() const;
32 virtual bool needed() const;
33 virtual Mat& getMatRef(int i=-1) const;
34 /*virtual*/ gpu::GpuMat& getGpuMatRef() const;
35 /*virtual*/ ogl::Buffer& getOGlBufferRef() const;
36 /*virtual*/ ogl::Texture2D& getOGlTexture2DRef() const;
37 virtual void create(Size sz, int type, int i=-1, bool allowTransposed=false,int fixedDepthMask=0) const;
38 virtual void create(int rows, int cols, int type, int i=-1, boolallowTransposed=false, int fixedDepthMask=0) const;
39 virtual void create(int dims, const int* size, int type, int i=-1, boolallowTransposed=false, int fixedDepthMask=0) const;
40 virtual void release() const;
41 virtual void clear() const;
42
43 #ifdefOPENCV_CAN_BREAK_BINARY_COMPATIBILITY
44 virtual ~_OutputArray();
45 #endif
46 };
类体中还是有不少内容的，其实注意到里面是定义的各种模板，重载的各种构造函数就可以了。
split函数分割多通道数组转换成独立的单通道数组，按公式来看就是这样：
【示例】
1 Mat srcImage;
2 Mat imageROI;
3 vector<Mat> channels;
4 srcImage= cv::imread("dota.jpg");
5 // 把一个3通道图像转换成3个单通道图像
6 split(srcImage,channels);//分离色彩通道
7 imageROI=channels.at(0);
8 addWeighted(imageROI(Rect(385,250,logoImage.cols,logoImage.rows)),1.0,
9 logoImage,0.5,0.0,imageROI(Rect(385,250,logoImage.cols,logoImage.rows)));
10
11 merge(channels,srcImage4);
12
13 namedWindow("sample");
14 imshow("sample",srcImage);
2、merge函数详解
merge()函数的功能是split()函数的逆向操作，将多个数组组合合并成一个多通道的数组。
它通过组合一些给定的单通道数组，将这些孤立的单通道数组合并成一个多通道的数组，从而创建出一个由多个单通道阵列组成的多通道阵列。它有两个基于C++的函数原型：
1 C++: void merge(const Mat* mv, size_tcount, OutputArray dst)
2 C++: void merge(InputArrayOfArrays mv,OutputArray dst)
- 第一个参数，mv，填需要被合并的输入矩阵或vector容器的阵列，这个mv参数中所有的矩阵必须有着一样的尺寸和深度。
- 第二个参数，count，当mv为一个空白的C数组时，代表输入矩阵的个数，这个参数显然必须大于1.
- 第三个参数，dst，即输出矩阵，和mv[0]拥有一样的尺寸和深度，并且通道的数量是矩阵阵列中的通道的总数。
函数解析：
merge函数的功能是将一些数组合并成一个多通道的数组。关于组合的细节，输出矩阵中的每个元素都将是输出数组的串接，其中，第i个输入数组的元素被视为mv[i]。 一般用其中的Mat::at（）方法对某个通道进行存取,也就是这样用channels.at(0)。
PS: Mat::at（）方法，返回一个引用到指定的数组元素。注意是引用，相当于两者等价，修改其中一个另一个跟着变。
【示例】
1 vector<Mat> channels;
2 Mat imageBlueChannel;
3 Mat imageGreenChannel;
4 Mat imageRedChannel;
5 srcImage4= imread("dota.jpg");
6 // 把一个3通道图像转换成3个单通道图像
7 split(srcImage4,channels);//分离色彩通道
8 imageBlueChannel = channels.at(0);
9 imageGreenChannel = channels.at(1);
10 imageRedChannel = channels.at(2);
11
12 //将三个通道重新融合为一个三通道
13 merge(channels, srcImage4);
14 namedWindow("dota");
15 imshow("dota", srcImage4);
上面的代码先做了相关的类型声明，然后把载入的3通道图像转换成3个单通道图像，放到vector<Mat>类型的channels中，接着进行引用赋值。
根据OpenCV的BGR色彩空间（bule，Green，Red，蓝绿红），
其中channels.at(0)就表示引用取出channels中的蓝色分量，
channels.at(1)就表示引用取出channels中的绿色色分量，
channels.at(2)就表示引用取出channels中的红色分量。
一对做相反操作的plit()函数和merge()函数和用法就是这些了。另外提一点，如果我们需要从多通道数组中提取出特定的单通道数组，或者说实现一些复杂的通道组合，可以使用mixChannels()函数。
二、多通道图像混合示例
【示例】
1 #include<iostream>
2 #include<opencv2/core/core.hpp>
3 #include<opencv2/highgui/highgui.hpp>
4
5 using namespace cv;
6 using namespace std;
7
8
9 bool MultiChannelBlending();
10
11 int main( )
12 {
13 if(MultiChannelBlending())
14 {
15 cout << "yes, 你成功了" << endl;
16 }
17
18 waitKey(0);
19 return 0;
20 }
21
22
23 bool MultiChannelBlending()
24 {
25 //【0】定义相关变量
26 Mat srcImage;
27 Mat logoImage;
28 vector<Mat>channels;
29 Mat imageBlueChannel;
30
31
32 //【1】读入图片
33 logoImage=imread("dota_logo.jpg",0);
34 srcImage=imread("dota.jpg");
35
36 if(!srcImage.data )
37 {
38 cout << "读取错误！" << endl;
39 return false;
40 }
41
42 if(!logoImage.data )
43 {
44 cout << "读取错误！" << endl;
45 return false;
46 }
47 //【2】把一个3通道图像转换成3个单通道图像
48 split(srcImage,channels);//分离色彩通道
49
50 //【3】将原图的蓝色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
51 imageBlueChannel=channels.at(0);
52 //【4】将原图的蓝色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageBlueChannel中
53 addWeighted(imageBlueChannel(Rect(500,250,logoImage.cols,logoImage.rows)),1.0,
54 logoImage,0.5,0,imageBlueChannel(Rect(500,250,logoImage.cols,logoImage.rows)));
55
56 //【5】将三个单通道重新合并成一个三通道
57 merge(channels,srcImage);
58
59 //【6】显示效果图
60 namedWindow("<1>蓝色通道");
61 imshow("<1>蓝色通道",srcImage);
62
63 //【0】定义相关变量
64 Mat imageGreenChannel;
65
66 //【1】重新读入图片
67 logoImage=imread("dota_logo.jpg",0);
68 srcImage=imread("dota.jpg");
69
70 if(!srcImage.data )
71 {
72 cout << "读取错误！" << endl;
73 return false;
74 }
75
76 if(!logoImage.data )
77 {
78 cout << "读取错误！" << endl;
79 return false;
80 }
81 //【2】将一个三通道图像转换成三个单通道图像
82 split(srcImage,channels);//分离色彩通道
83
84 //【3】将原图的绿色通道的引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
85 imageGreenChannel=channels.at(1);
86 //【4】将原图的绿色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageGreenChannel中
87 addWeighted(imageGreenChannel(Rect(500,250,logoImage.cols,logoImage.rows)),1.0,
88 logoImage,0.5,0.,imageGreenChannel(Rect(500,250,logoImage.cols,logoImage.rows)));
89
90 //【5】将三个独立的单通道重新合并成一个三通道
91 merge(channels,srcImage);
92
93 //【6】显示效果图
94 namedWindow("绿色通道");
95 imshow("绿色通道",srcImage);
96
97 //【0】定义相关变量
98 Mat imageRedChannel;
99
100 //【1】重新读入图片
101 logoImage=imread("dota_logo.jpg",0);
102 srcImage=imread("dota.jpg");
103
104 if(!srcImage.data )
105 {
106 cout << "读取错误！" << endl;
107 return false;
108 }
109
110 if(!logoImage.data )
111 {
112 cout << "读取错误！" << endl;
113 return false;
114 }
115 //【2】将一个三通道图像转换成三个单通道图像
116 split(srcImage,channels);//分离色彩通道
117
118 //【3】将原图的红色通道引用返回给imageBlueChannel，注意是引用，相当于两者等价，修改其中一个另一个跟着变
119 imageRedChannel=channels.at(2);
120 //【4】将原图的红色通道的（500,250）坐标处右下方的一块区域和logo图进行加权操作，将得到的混合结果存到imageRedChannel中
121 addWeighted(imageRedChannel(Rect(500,250,logoImage.cols,logoImage.rows)),1.0,
122 logoImage,0.5,0.,imageRedChannel(Rect(500,250,logoImage.cols,logoImage.rows)));
123
124 //【5】将三个独立的单通道重新合并成一个三通道
125 merge(channels,srcImage);
126
127 //【6】显示效果图
128 namedWindow("红色通道");
129 imshow("红色通道",srcImage);
130
131 return true;
132 }