您可以使用cv::split()将R、G和B分离到单独的垫子中

std::vector<Mat> planes(3);
cv::split(img, planes);
cv::Mat R = planes[2];
cv::Mat G = planes[1];
cv::Mat B = planes[0];

但是如果你的代码需要一个只有一个颜色通道的Mat，你只需要像这样把它们分开。不要使用at<>()作为所谓的重复建议--如果你顺序扫描图像，它会非常慢（但是它对随机访问很好）。
您可以像这样高效地扫描图像

for(int i = 0; i < img.rows; ++i)
{
    // get pointers to each row
    cv::Vec3b* row = img.ptr<cv::Vec3b>(i);

    // now scan the row
    for(int j = 0; j < img.cols; ++j)
    {   
        cv::Vec3b pixel = row[j];
        uchar r = pixel[2];
        uchar g = pixel[1];
        uchar b = pixel[0];
        process(r, g, b);
    } 
}

最后，如果你想做一个直方图，你可以使用这个代码。它是相当老，所以我想它仍然工作。

void show_histogram_image(cv::Mat src, cv::Mat &hist_image)
{ // based on http://docs.opencv.org/2.4.4/modules/imgproc/doc/histograms.html?highlight=histogram#calchist

   int sbins = 256;
   int histSize[] = {sbins};

   float sranges[] = { 0, 256 };
   const float* ranges[] = { sranges };
   cv::MatND hist;
   int channels[] = {0};

   cv::calcHist( &src, 1, channels, cv::Mat(), // do not use mask
       hist, 1, histSize, ranges,
       true, // the histogram is uniform
       false );

   double maxVal=0;
   minMaxLoc(hist, 0, &maxVal, 0, 0);

   int xscale = 10;
   int yscale = 10;
   //hist_image.create(
   hist_image = cv::Mat::zeros(256, sbins*xscale, CV_8UC3);

   for( int s = 0; s < sbins; s++ )
   {
       float binVal = hist.at<float>(s, 0);
       int intensity = cvRound(binVal*255/maxVal);
       rectangle( hist_image, cv::Point(s*xscale, 0),
           cv::Point( (s+1)*xscale - 1, intensity),
           cv::Scalar::all(255),
           CV_FILLED );
   }
}