本文分享内容来自图书《学习OpenCV 4：基于Python的算法实战》，该书内容如下：
第1章 OpenCV快速入门；
第2章 图像读写模块imgcodecs；
第3章 核心库模块core；
第4章 图像处理模块imgproc（一）；
第5章 图像处理模块imgproc（二）；
第6章 可视化模块highgui；
第7章 视频处理模块videoio；
第8章 视频分析模块video；
第9章 照片处理模块photo；
第10章 2D特征模块features2d；
第11章 相机标定与三维重建模块calib3d；
第12章 传统目标检测模块objdetect；
第13章 机器学习模块ml；
第14章 深度神经网络模块dnn
欢迎关注图书《深度学习计算机视觉实战》与《学习OpenCV4：基于Python的算法实战》，欢迎加入QQ群：187042448
对于一副RGB格式的图像，包括R、G、B三个通道，OpenCV中提供将一幅图像的三个通道分离的函数split，也提供了将三个通道合并为一副图像的函数merge。
split函数的定义如下：
mv = split(m, mv=None)
参数说明如下：
m，输入的多通道矩阵；
mv，分离后的矩阵集合（返回值）。
使用案例如下所示：
import cv2
src = cv2.imread("src.jpg")
#颜色空间分离
b,g,r = cv2.split(src)
#显示每个通道的图像
cv2.imshow("b", b)
cv2.imshow("g", g)
cv2.imshow("r", r)
cv2.waitKey(0)
cv2.destroyAllWindows()
本案例使用的输入图像如图3.10所示，显示的每个通道的图像如图3.18所示。
图3.18
merge函数定义如下：
dst = merge(mv, dst=None)
参数说明如下：
mv，矩阵集合；
dst，合并后的多通道矩阵结果（返回值）。
通道合并的案例如下所示：
import cv2
src = cv2.imread("src.jpg")
#颜色空间分离
b,g,r = cv2.split(src)
#通道合并
merge_result = cv2.merge([b,g,r])
#结果显示
cv2.imshow("merge_result", merge_result)
cv2.waitKey(0)
cv2.destroyAllWindows()
本案例中使用split函数将图像的通道分离，后使用merge将分离的通道进行合并，结果如图3.19所示。
图3.19
