一、顏色模型與轉換

1.1RGB顏色模型

RGB顏色空間模型：

該模型的命名方式是采用三種顏色的英文首字母，分別是紅色，綠色，和藍色，在RGB模型中所有的顏色都是這三種顏色通過不同比例的混合模型，如果三種顏色都為零，則表示為黑色，如果三種顏色的分量相同且都為最大值，則表示為白色，在這個基礎上增加第四個通道即為RGBA模型，第四個通道表示顏色的透明度，當沒有透明度需求的時候，RGBA模型就會退化成RGB模型，

1.2YUV顏色模型

YUV模型是電視信號系統所采用的顏色編碼方式，這三個變數分別表示像素的亮度（Y)、紅色分量與亮度信號差值（U)、藍色與亮度的差值（V)，這種顏色模型主要用于視頻和影像的傳輸，RGB模型與YUV模型之間的轉換關系如下：

1.3HSV顏色模型

HSV是一種將RGB色彩空間中的點在倒圓錐體中的表示方法，HSV即色相(Hue)、飽和度(Saturation)、明度(Value)，又稱HSB(B即Brightness)，色相是色彩的基本屬性，就是平常說的顏色的名稱，如紅色、黃色等，飽和度（S）是指色彩的純度，越高色彩越純，低則逐漸變灰，取0-100%的數值，明度（V），取0-max(計算機中HSV取值范圍和存盤的長度有關)，HSV顏色空間可以用一個圓錐空間模型來描述，圓錐的頂點處，V=0，H和S無定義，代表黑色，圓錐的頂面中心處V=max，S=0，H無定義，代表白色，

1.4Lab顏色模型

Lab顏色模型彌補來了RGB顏色模型的不足，是一種設備無關和基礎與生理特征的顏色模型，在模型中， L表示亮度，a和b是兩個顏色通道，兩者的取值區間都是-128~127，其中a通道數值有小到打對應的顏色是從綠色變成紅色，b通道數值由小到大對應的顏色是由藍色變成黃色，

1.5GRAY顏色模型

GRAY模型并不是一個彩色模型，而是一個灰度影像，灰度影像具有相同尺寸相同亞索格式所占容量小，易于采集，便于傳輸等優點，常用RGB模型轉化成灰度影像的方式：

GRAY = 0.3R+ 0.59G+ 0.11B

1.6不同顏色模型之間的互相轉換

OpenCV提供了cvtColor()函式用于轉化功能，

void cv::cvtColor(InputArray src,
                    OutputArray dst,
                    int code,
                    int dstCn = 0
                    )

src: 待轉換顏色模型的原始影像，

dst：轉換顏色模型后的目標影像，

code：顏色空間轉換的標志，

dstCn：目標影像中的通道數，

如果轉換程序中添加了alpha通道（RGB模型中第四個通道，表示透明度），則其值將設定為相應通道范圍的最大值：CV_8U為255，CV_16U為65535，CV_32F為1，

代碼實體：

#include<opencv2/opencv.hpp>
#include<iostream>
#include<vector>

using namespace std;
using namespace cv;

int main()
{
	Mat img = imread("lena.png");
	if (img.empty())
	{
		cout << "請檢查輸入的影像資料是否正確" << endl;
		return -1;
	}
	Mat gray, HSV, YUV, Lab;
	cvtColor(img, HSV, COLOR_BGR2HSV);
	cvtColor(img, YUV, COLOR_BGR2YUV);
	cvtColor(img, Lab, COLOR_BGR2Lab);
	cvtColor(img, gray, COLOR_BGR2GRAY);
	imshow("原圖", img);
	imshow("HSV", HSV);
	imshow("YUV", YUV);
	imshow("Lab", Lab);
	imshow("gray", gray);
	waitKey(0);
	return 0;
}

二、多通道分離函式與合并

2.1多通道分離函式split()

OpenCV中針對多通道分離函式split()有兩種多載原型，

void cv::split(const Mat &src,
                Mat *mvbegin
                )
void cv::split(InputArray m,
                OutArray mv
                )

src：帶分離的多通道影像，

mvbegin：分離后的單通道影像，為陣列形式，陣列大小需要與影像的通道數相同，

m：帶分離的多通道影像，

mv：分離后的單通道影像，為向量(vector)形式，

雖然兩個函式原型輸入引數的型別不同，但通道分離的原理是相同的，可以用下式表示：

mv[c](I) = src(I)

2.2多通道合并函式merge()

OpenCV針對多通道分離合并函式merge()也有兩種多載原型，

void cv::merge(const Mat &mv,
                size_t cout,
                OutputArray dst
                )
void cv::merge(InputArrayOfArrays mv,
                OutputArray dst
                )

mv(第一種多載原型引數) : 需要合并的影像陣列，其中每個影像必須有相同的尺寸和資料型別，

cout：輸入的影像陣列的長度，其數值必須大于0，

mv(第二種多載原型引數)：需要合并的影像向量（vector），其中每個影像必須擁有相同的尺寸和資料型別，

dst：合并后輸出的影像，與mv[0]具有相同的尺寸和資料型別，通道數等于所有輸入影像的通道數總和，

2.3影像多通道分離與合并例程

#include<opencv2/opencv.hpp>
#include<iostream>
#include<vector>

using namespace std;
using namespace cv;

int main()
{
	Mat img = imread("C:\\Users\\王淏\\Pictures\\f9afe18da2fb1fa2ff72c4d8b29fe6a (2).png");
	if (img.empty())
	{
		cout << "請檢查輸入的影像資料是否正確" << endl;
		return -1;
	}
	Mat HSV;
	cvtColor(img, HSV, COLOR_BGR2HSV);
	Mat imgs0, imgs1, imgs2;         //用于存放陣列型別的結果
	Mat imgv0, imgv1, imgv2;          //用于存放vector型別的結果
	Mat result0, result1, result2;         //多通道合并的結果


	//輸入陣列引數的多通道分離與合并0
	Mat imgs[3];
	split(img, imgs);
	imgs0 = imgs[0];
	imgs1 = imgs[1];
	imgs2 = imgs[2];
	imshow("RGB-B通道", imgs0);
	imshow("RGB-G通道", imgs1);
	imshow("RGB-R通道", imgs2);
	imgs[2] = img;         //將陣列中的影像通道數變成不一致
	merge(imgs, 3, result0);       //合并影像
	//imshow("result0", result0);     imshow最多顯示4個通道因此結果Image Watch中查看
	Mat zero = cv::Mat::zeros(img.rows, img.cols, CV_8UC1);
	imgs[0] = zero;
	imgs[2] = zero;
	merge(imgs , 3, result1);
	imshow("result1", result1);


	//輸入vector引數的多通道分離與合并
	vector<Mat> imgv;
	split(HSV, imgv);
	imgv0 = imgv.at(0);
	imgv1 = imgv.at(1);
	imgv2 = imgv.at(2);
	imshow("HSV-H通道", imgv0);
	imshow("HSV-S通道", imgv1);
	imshow("HSV-V通道", imgv2);
	imgv.push_back(HSV);     //將vector中的影像通道數變成不一致
	merge(imgv, result2);
	//imshow("result2", result2);       imshow最多顯示4個通道，因此結果在Image Watch中查看
	waitKey(0);
	return 0;
}