先來看看今天的結果圖

還是繼續請我們的貓貓助教來幫忙XDDDD

-> 此篇文章的程式碼 github

Day14_分離合併RGB直方圖_histogram_split_merge.ipynb

前言

基本修圖技能學習完之後，
再來我們要來學一些比較進階會使用的修圖技巧囉！

運用 OpenCV 顯示圖片RGB直方圖、分離與合併RGB三通道

運用 OpenCV 分離RGB三通道

def split_RGBThreeChannel(img):
    (B, G, R) = cv2.split(img) # 3 channel
    
    # make all zeros channel
    zeros = np.zeros(img.shape[:2], dtype = np.uint8)

    print("R channel:")
    show_img(merge_RGBThreeChannel(R=R, G=zeros, B=zeros))
    print("G channel:")
    show_img(merge_RGBThreeChannel(R=zeros, G=G, B=zeros))
    print("B channel:")
    show_img(merge_RGBThreeChannel(R=zeros, G=zeros, B=B))
    
    
    return R, G, B

分離RGB三通道使用 cv2.split 的方式，

有些時候我們在進階修圖會針對單一通道的顏色進行調整，
此時分離GRB三個通道就是非常重要的技術了！

運用 OpenCV 合併RGB三通道

def merge_RGBThreeChannel(R, G, B):
    img = cv2.merge([B, G, R])
    
    return img

使用 cv2.merge 這個函數，
通常我們在進階修圖中，會先分離RGB三通道，
進行各自顏色通道的調整後，
最後合併RGB三通道，完成我們的修圖。

運用 OpenCV 顯示圖片RGB直方圖

def show_histogram(img):
    # 畫出 RGB 三種顏色的分佈圖
    color = ('b','g','r')
    plt.style.use('dark_background')
    plt.figure(figsize=(10,5))
    for idx, color in enumerate(color):
        histogram = cv2.calcHist([img],[idx],None,[256],[0, 256])
        plt.plot(histogram, color = color)
        plt.xlim([0, 256])
    
    plt.show()

運用前面分離RGB三通道的技術，
我們可以針對RGB各通道各自畫出他們的直方圖。

在之後的進階修圖中，我們會觀察各顏色通道分佈的直方圖，
更細部的調整各顏色通道的數值。

Reference

https://blog.gtwang.org/programming/opencv-drawing-functions-tutorial/

https://blog.csdn.net/sunny2038/article/details/9080047

https://www.jianshu.com/p/9fd339f806a7