Python实现数字图像处理经典算法之256色转灰度图

算法介绍

256色转灰度图是数字图像处理经典算法中最简单的算法之一

1、彩色数字图像中的颜色有红、绿、蓝三种颜色混合而成，对应的像素颜色通道就是RGB（R，G，B），R、G、B数值共有256个数值，也称为256阶，即0—255，计算机通过读取每一个通道的数值而确定显示的颜色。

2、灰度图像只有一个灰度色阶通道，我们可以标记为Gray，或者RGB（Gray、Gray、Gray），Gray共有256阶，即0—255，计算机通过读取该通道的值确定显示的颜色。

那么将彩色图像转换为灰色图像的思路就是将RGB数值转化为Gray数值。共有5种转化方式：
（1）浮点算法 ：Gray=R * 0.3+G * 0.59+B * 0.11
（2）整数算法：Gray=(R * 30+G * 59+B * 11)/100
（3）移位算法：Gray =(R28+G151+B*77)>>8
（4）平均值法：Gray=（R+G+B）/3
（5）仅取绿色：Gray=G
下面我将使用Python语言分别实现上述5种方法并查看效果，操作的图像如下所示：

代码实现

在介绍实现代码之前先介绍我们代码中借助的一个类库Matplotlib，它提供了将图像转化为数组的方法array，我们得到图像数组后可以使用坐标得到图像的颜色元组，里面有我们需要的颜色数值信息。
（1）浮点算法 ：Gray=R * 0.3+G * 0.59+B * 0.11
代码如下：

from PIL import Image
from pylab import *

im = array(Image.open('flower.jpg'))
im[:,:,0] = im[:,:,1] = im[:,:,2] = (im[:,:,0] * 0.3 + im[:,:,1] * 0.59 + im[:,:,2] * 0.11)
imshow(im)
show()

效果如下：

代码讲解：
1、array(Image.open(‘flower.jpg’))可以将一个图像打开并且转化为数组类型，数据类型为元组，里面包含RGB数值信息
2、im[x,y,t]表示（x，y）坐标像素的t通道的数值，不明白 ：的话建议复习Python，im[:,:,0] = im[:,:,1] = im[:,:,2] = (im[:,:,0] * 0.3 + im[:,:,1] * 0.59 + im[:,:,2] * 0.11)就将所有像素的所有通道值都改为重新计算后的值，也就是我们的浮点算法
3、最后是显示图像。

（4）平均值法：Gray=（R+G+B）/3
代码如下：

from PIL import Image
from pylab import *

im = array(Image.open('flower.jpg'))
im[:,:,0] = im[:,:,1] = im[:,:,2] = (im[:,:,0] + im[:,:,1] + im[:,:,2])/3
imshow(im)
show()

效果如下：

代码讲解：
其实和上一个大体一样，只是算法不一样

（5）仅取绿色：Gray=G
代码如下：

from PIL import Image
from pylab import *

im = array(Image.open('flower.jpg'))
im[:,:,0] = im[:,:,1] = im[:,:,2] = im[:,:,2]
imshow(im)
show()

效果如下：