Mark # RGB转灰度

最新推荐文章于 2022-03-11 14:09:44 发布

Florence_0

最新推荐文章于 2022-03-11 14:09:44 发布

阅读量242

点赞数

分类专栏： Mark 文章标签：图像处理

Mark 专栏收录该内容

7 篇文章 0 订阅

订阅专栏

图像灰度化的三种常见方法源码

方法一：
对于彩色转灰度，有一个很著名的心理学公式：

Gray = R*0.299 + G*0.587 + B*0.114

方法二：
而实际应用时，希望避免低速的浮点运算，所以需要整数算法。

注意到系数都是3位精度的没有，我们可以将它们缩放1000倍来实现整数运算算法：

Gray = (R*299 + G*587 + B*114 + 500) / 1000

RGB一般是8位精度，现在缩放1000倍，所以上面的运算是32位整型的运算。注意后面那个除法是整数除法，所以需要加上500来实现四舍五入。
就是由于该算法需要32位运算，所以该公式的另一个变种很流行：

                      Gray = (R*30 + G*59 + B*11 + 50) / 100

方法三：

上面的整数算法已经很快了，但是有一点仍制约速度，就是最后的那个除法。移位比除法快多了，所以可以将系数缩放成 2的整数幂。

习惯上使用16位精度，2的16次幂是65536，所以这样计算系数：

                      0.299 * 65536 = 19595.264 ≈ 19595

                      0.587 * 65536 + (0.264) = 38469.632 + 0.264 = 38469.896 ≈ 38469

                      0.114 * 65536 + (0.896) =   7471.104 + 0.896 = 7472

可能很多人看见了，我所使用的舍入方式不是四舍五入。四舍五入会有较大的误差，应该将以前的计算结果的误差一起计算进去，舍入方式是去尾法：

写成表达式是：

                      Gray = (R*19595 + G*38469 + B*7472) >> 16

2至20位精度的系数：

                      Gray = (R*1 + G*2 + B*1) >> 2

                      Gray = (R*2 + G*5 + B*1) >> 3

                      Gray = (R*4 + G*10 + B*2) >> 4

                      Gray = (R*9 + G*19 + B*4) >> 5

                      Gray = (R*19 + G*37 + B*8) >> 6

                      Gray = (R*38 + G*75 + B*15) >> 7

                      Gray = (R*76 + G*150 + B*30) >> 8

                      Gray = (R*153 + G*300 + B*59) >> 9

                      Gray = (R*306 + G*601 + B*117) >> 10

                      Gray = (R*612 + G*1202 + B*234) >> 11

                      Gray = (R*1224 + G*2405 + B*467) >> 12

                      Gray = (R*2449 + G*4809 + B*934) >> 13

                      Gray = (R*4898 + G*9618 + B*1868) >> 14

                      Gray = (R*9797 + G*19235 + B*3736) >> 15

                      Gray = (R*19595 + G*38469 + B*7472) >> 16

                      Gray = (R*39190 + G*76939 + B*14943) >> 17

                      Gray = (R*78381 + G*153878 + B*29885) >> 18

                      Gray = (R*156762 + G*307757 + B*59769) >> 19

                      Gray = (R*313524 + G*615514 + B*119538) >> 20

仔细观察上面的表格，这些精度实际上是一样的：3与4、7与8、10与11、13与14、19与20

所以16位运算下最好的计算公式是使用7位精度，比先前那个系数缩放100倍的精度高，而且速度快：

                      Gray = (R*38 + G*75 + B*15) >> 7

其实最有意思的还是那个2位精度的，完全可以移位优化：

                      Gray = (R + (WORD)G<<1 + B) >> 2

MATLAB代码实现：
平均值法
最大值法
加权平均值法

	function f=MyGrayProcessing(Img)
    	[m,n,a]=size(Img);
     	Img1_Gray=zeros(m,n);
    	Img2_Gray=zeros(m,n);
    	Img3_Gray=zeros(m,n);
     	GrayImage=rgb2gray(Img);%调用MATLAB内置函数灰度化
    	for x=1:m
           for y=1:n
        	%平均值法
             	Img1_Gray(x,y)=(Img(x,y,1)+Img(x,y,2)+Img(x,y,3))/3;
             	 %最大值法 
             	Img2_Gray(x,y)=max(Img(x,y,1),max(Img(x,y,2),Img(x,y,3)));
             	%加权平均值法 
            	Img3_Gray(x,y)=0.3*Img(x,y,1)+0.59*Img(x,y,2)+0.11*Img(x,y,3);
           end
    	end
     	figure(0);
     	imshow(Img);
     	title('原图像');
     	figure(1);
     	imshow(GrayImage);
     	title('调用系统函数灰度化');
     	figure(2);
     	imshow(uint8(Img1_Gray));
     	title('平均值法灰度化图像');
     	figure(3);
     	imshow(uint8(Img2_Gray));
     	title('最大值法灰度化图像');
   	f=uint8(Img3_Gray);
   	figure(4);
   	imshow(f);
   	title('加权平均值法灰度化图像');