昨天我們學會了如何進行影像色彩空間的轉換，
今天要更進一步來看看「如何拆解影像的 BGR 色彩通道」。

掌握通道拆分能幫助我們針對單一顏色進行操作，像是紅色物件偵測、藍色過濾等，
是後續電腦視覺中非常常見的技巧！

🎯 今天的重點：

✅ 拆分 BGR 三個通道
✅ 單獨顯示各通道內容
✅ 合併通道回原圖

🖼️ 測試圖片準備

和前幾天一樣，準備一張彩色圖片（image.jpg）放在同一資料夾：

import cv2

img = cv2.imread('image.jpg')  # 讀取圖片（BGR格式）

🧪 拆分 BGR 通道（cv2.split）

b, g, r = cv2.split(img)

這行程式會將一張 3 通道的彩色圖片，分離成 3 張單通道的灰階圖：

• b：藍色通道
• g：綠色通道
• r：紅色通道

👁️ 顯示拆分後的通道

cv2.imshow('Blue Channel', b)
cv2.imshow('Green Channel', g)
cv2.imshow('Red Channel', r)
cv2.waitKey()
cv2.destroyAllWindows()

每張通道圖其實是灰階圖，顏色越白代表該通道的強度越高。

🔍 像素一致性驗證

在「DAY 3：影像的屬性」中，我們曾查看指定像素的 BGR 值。
現在再拆分通道並放大同一位置，可以觀察每個通道的對應強度一致性：

🧩 合併回原始圖（cv2.merge）

若你拆解完通道、進行了處理後想重新合併，可以使用 cv2.merge：

merged = cv2.merge([b, g, r])
cv2.imshow('合併後圖片', merged)
cv2.waitKey()
cv2.destroyAllWindows()

💡 注意：合併順序必須正確（B, G, R），否則顏色會錯亂！

📌 額外技巧：只顯示某個通道的顏色效果

如果你想只保留某個顏色，其他通道設為 0，可以這樣做：

import numpy as np

zeros = np.zeros_like(b)  # 建立與通道大小相同的黑圖

only_red = cv2.merge([zeros, zeros, r])
only_green = cv2.merge([zeros, g, zeros])
only_blue = cv2.merge([b, zeros, zeros])

cv2.imshow('R', only_red)
cv2.imshow('G', only_green)
cv2.imshow('B', only_blue)
cv2.waitKey()
cv2.destroyAllWindows()

這樣就可以看到只顯示單一顏色通道的彩圖版本！

📌 今日結語

今天我們學會了如何：

• 使用 cv2.split() 拆解圖片通道
• 使用 cv2.merge() 合併回彩圖
• 單獨保留 B、G、R 顏色效果

這些技巧對於後續的色彩處理、影像遮罩、特定顏色篩選等應用都非常重要，
記得多加練習，並觀察不同圖片的通道分佈特徵！