split()函数+merge()函数

在图像处理时，我们接触到的彩色以RGB居多，为了分析图像在某一通道上的特性，需要将图像的颜色通道进行分离，或者是在对某一颜色通道处理后重新进行融合。opencv提供了split()函数来进行颜色通道的分离，提供了merge()函数来进行颜色通道的融合。

1.split()函数

此函数的作用是将一个图像通道进行分离。

split()函数定义：

void split(const Mat& m, vector<mat>& mv );</mat>

参数说明：

const Mat&类型的src，填我们需要进行分离的图像；
vector<mat style="margin-top: 0px;">类型的mv，填函数的输出数组或者输出的vector容器，即分离后的图像；</mat>

2.merge()函数

merge()函数的功能是split()函数的逆向操作，将多个数组合并成一个多通道的数组。

merge()函数定义：

void merge(const vector<mat>& mv, OutputArray dst );</mat>

const <mat style="margin-top: 0px;">类型的mv，填需要被合并的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；</mat>
保存为合并后的图像；

3.利用split()函数和阈值化去除票据上的印章，merge()函数合并图像

票据上往往会有一些红色印章把一些重要信息区域给覆盖了，比如一些开发票人员盖印章时比较随意，容易吧一些关键区域给遮蔽了，这让接下来的票据识别很困难，因此，我们必须先对票据图像进行一定的预处理来移除印章干扰，再进行字符识别，这样子识别准确率才有保证。

任务：我们需要识别发票的字体（红色盖章影响都我们的识别工作）

代码如下：

#include <opencv2/core/core.hpp>

#include <opencv2/highgui/highgui.hpp>

#include <opencv2/imgproc/imgproc.hpp>

#include <iostream>

using namespace cv;

using namespace std;

int main() {

	//【1】定义相关变量

	Mat srcImage, newImage;

	Mat srcImage_B, srcImage_G, srcImage_R;

	//【2】存放Mat的数组vector

	vector<Mat> channels_BGR;

	//【3】读取原始图像并检查图像是否读取成功

	srcImage = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\02.jpg");

	if (srcImage.empty())

	{

		cout << "读取图像有误，请重新输入正确路径！\n";

		getchar();

		return -1;

	}

	imshow("src原图像", srcImage);  //在窗口显示原图像

								 //【4】对加载的原图像进行通道分离，即把一个3通道图像转换成为3个单通道图像

	split(srcImage, channels_BGR);

	//从数组中取出3种颜色,0通道为B分量，1通道为G分量，2通道为R分量。因为：RGB色彩空间在opencv中默认通道顺序为BGR！！！

	srcImage_B = channels_BGR.at(0);

	srcImage_G = channels_BGR.at(1);

	srcImage_R = channels_BGR.at(2);

	imshow("srcImage_B通道", srcImage_B); //分别显示R，G，B各个通道图像

	imshow("srcImage_G通道", srcImage_G);

	imshow("srcImage_R通道", srcImage_R);

	//【5】 全局二值化

	Mat gray;

	cvtColor(srcImage, gray, CV_RGB2GRAY);

	int th = 170; //阈值要根据实际情况调整

	Mat binary;

	//CV_THRESH_BINARY代表阈值其中一种模式，

	threshold(gray, binary, th, 255, CV_THRESH_BINARY);

	Mat red_binary;

	threshold(srcImage_R, red_binary, th, 255, CV_THRESH_BINARY);

	imshow("灰色图 + 阈值处理 ", binary);

	imshow("R通道+阈值处理", red_binary);

	//【6】将3个单通道重新合并成一个三通道图像

	merge(channels_BGR, newImage);

	imshow("将R，G，B通道合并后的图像", newImage);

	waitKey(0);

	return 0;

}

　　上述博文参考：https://www.jianshu.com/p/dcc9c29f10b4