以下实验基于python==3.6.8、opencv-python==4.1.0.25、imutils==0.5.2、numpy==1.17.0、matplotlib==3.1.1
图片通道的拆分
我们都知道常规的彩色图片一般都是三个通道RGB，Red=红色、Green=绿色、Blue=蓝色（有些图片还有第四个通道A，Alpha=透明度）
对于一张图片有几个通道，只需要通过img.shape进行查看就行了，比如我们读取一张图片，然后打印它的shape值
发现该图片高度为800px，宽度为600px，一共有三个channel
img (800, 600, 3)
现在试着将三个通道拆开，并将三个图像分别展示出来
channels = cv2.split(img)
cv2.imshow("img0", channels[0])
cv2.imshow("img1", channels[1])
cv2.imshow("img2", channels[2])
但是很奇怪，为什么三张图片都变成了灰度图片了呢？
其实从之前的认识中我们已经知道了，一个通道的图片都是灰度图片，三个通道的图片才是彩色图片，现在我们将一张三个通道的图片拆成了三张单个通道的图片，在展示的时候自然就都变成了灰度图片。
打印一下这三张图片的shape值看一下，确实都是单通道的
channels[0] (800, 600)
channels[1] (800, 600)
channels[2] (800, 600)
看来光分离三个通道是没有办法单独查看纯色的图片的，那么我们就需要将这三个单通道的图片补全成三通道的图片
这里可以将自身以外的通道都填充为0，可以使用numpy.zeros方法来初始化全为0的图片，然后将分离出的单通道去覆盖响应的通道
new_img0 = np.zeros(img.shape, dtype='uint8')
new_img0[:, :, 0] = channels[0]
cv2.imshow("img0", new_img0)
new_img1 = np.zeros(img.shape, dtype='uint8')
new_img1[:, :, 1] = channels[1]
cv2.imshow("img1", new_img1)
new_img2 = np.zeros(img.shape, dtype='uint8')
new_img2[:, :, 2] = channels[2]
cv2.imshow("img2", new_img2)
然后再重新显示这三张图片看看 
可以看到三个通道已经被单独展示出来了，但是这个顺序有点奇怪，并不是我们认识上的RGB，而是BGR
我们将原图使用matplotlib（左）显示和opencv（右）显示的图片比较一下试试，果然颜色不正
我们再使用cv2.cvtColor方法把BGR转回RGB，再用matplotlib显示看看（但是使用opencv显示时颜色就不正了）
完整代码已经上传至github
