图像灰度化处理

1. 图像灰度化

在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255，当灰度为255的时候，表示最亮（纯白）；当灰度为0的时候，表示最暗（纯黑）。

灰度化的好处是：相较于彩色图像灰度图像占内存更小，运行速度更快；灰度图像后可以在视觉上增加对比，突出目标区域。

2. 图像灰度化处理方法

图像灰度化处理有三种常用方法：最大值法、平均值法和加权平均法。

2.1 最大值法

最大值法，即直接取R,B,G三个分量中数值最大的分量的数值（0视为最小，255视为最大）。公式为：R=G=B=max(R,G,B)。

2.2 平均值法

平均值法，即取R,B,G三个分量中数值的均值。公式为：R=G=B=(R+G+B)/3。

2.3 加权平均法

根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像：

$$Gray(i,j)=0.299\ast R(i,j)+0.578\ast G(i,j)+0.114\ast B(i,j)$$

3. 图像灰度化处理方法的Python实现

代码如下：

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

img = cv.imread('lenna.png')
img1 = cv.cvtColor(img, cv.COLOR_BGR2RGB) # BGR转化为RGB格式
plt.imshow(img1)
plt.title('Src_img')
plt.show()

图像如下：

3.1 最大值法

代码如下：

def Max_Gray(srcImg_path):
    img = cv.imread(srcImg_path)
    h,w = img.shape[0:2] # 获取图像尺寸
    gray = np.zeros((h,w),dtype=img.dtype) # 自定义空白单通道图像，用于存放灰度图
    # 对原图像进行遍历，然后分别灰度化
    for i in range(h):
        for j in range(w):
            gray[i,j] = max(img[i,j,0],img[i,j,1],img[i,j,2]) # 求3通道中最大值
    gray = cv.cvtColor(gray,cv.COLOR_BGR2RGB)
    plt.imshow(gray)
    plt.title('Max_Gray')
    #plt.axis('on')
    plt.show()

图像如下：

3.2 平均值法

代码如下：

def Avrage_Gray(srcImg_path):
    img = cv.imread(srcImg_path)
    h,w = img.shape[0:2] # 获取图像尺寸
    gray = np.zeros((h,w),dtype=img.dtype) # 自定义空白单通道图像，用于存放灰度图
    # 对原图像进行遍历，然后分别灰度化
    for i in range(h):
        for j in range(w):
            gray[i,j] = (int(img[i,j,0])+int(img[i,j,1])+int(img[i,j,2]))/3 # 求3通道像素的平均值作为灰度值
    gray = cv.cvtColor(gray,cv.COLOR_BGR2RGB)
    plt.imshow(gray)
    plt.title('Avrage_Gray')
    #plt.axis('on')
    plt.show()

图像如下：

3.3 加权平均法

代码如下：

def WeightedAvrage_Gray(srcImg_path):
    img = cv.imread(srcImg_path)
    h,w = img.shape[0:2] # 获取图像尺寸
    gray = np.zeros((h,w),dtype=img.dtype) # 自定义空白单通道图像，用于存放灰度图
    # 对原图像进行遍历，然后分别灰度化
    for i in range(h):
        for j in range(w):
            gray[i,j] = 0.114*int(img[i,j,0])+0.578*int(img[i,j,1])+0.299*int(img[i,j,2])
    gray = cv.cvtColor(gray,cv.COLOR_BGR2RGB)
    plt.imshow(gray)
    plt.title('WeightedAvrage_Gray')
    #plt.axis('on')
    plt.show()

图像如下：

3.4 最大值法、平均值法和加权平均法的比较

综上，3种方法的灰度处理图像如下所示：

可以发现，最大值法转换的灰度图亮度最高，平均值法产生的灰度图像较暗，加权平均法得到的灰度图像明暗介于两者之间。

3.5 opencv-python中灰度处理方法的应用

opencv-python中有图像灰度处理的接口，直接调用即可：

img = cv.imread('lenna.png')
img1 = cv.cvtColor(img, cv.COLOR_BGR2RGB) # BGR转化为RGB格式
plt.subplot(121)
plt.imshow(img1)
plt.title('Src_img')

# 灰度转换
image2 = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
plt.subplot(122)
plt.imshow(image2, plt.cm.gray)
plt.title('Gray_img')
plt.show()

图像如下：

4. 源码仓库地址

🌼图像处理、机器学习的常用算法汇总