OpenCV04：对图片的灰度处理（四种方法）

对图像的灰度处理是图像处理中最重要的一个操作，在对图像进行特征提取时就有提取图像灰度特征的步骤。因而总结一下几种学过的灰度处理方法。

方法一：用imread函数直接调参。参数为0时，图片为灰度图；参数为1时，图片为彩色图。

import cv2
import numpy as np

# 方法一：imread方法
img1 = cv2.imread('OpenCV\\image0.JPG',0)    # 参数0为灰度，1为彩色
img2 = cv2.imread('OpenCV\\image0.JPG',1)

cv2.imshow('src', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.imshow('src', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下所示： 

方法二：调用cvtColor方法。 对于参数，我们选择cv2.COLOR_BGR2GRAY。

import cv2
import numpy as np

img2 = cv2.imread('OpenCV\\image0.JPG',1)

# 方法二：cvcolor方法
dst = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
cv2.imshow('src', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

我们可以看到，运行结果并没有与第一种方法的结果有明显差异。 

方法三：gray = （R + B + G）/ 3  求出RGB的平均值，将平均值赋给矩阵中的每一个元素。即，将R，G，B值改为三者平均。

 

import cv2
import numpy as np

img2 = cv2.imread('OpenCV\\image0.JPG',1)

# 方法三：gray = （R + B + G）/3
imgInfo = img2.shape
height = imgInfo[0]
width = imgInfo[1]

dst = np.zeros((height, width, 3), np.uint8)    # 定义一个空画板

# 使用循环读取矩阵中的每一个元素,即，读取图像中每一个像素的RGB值
for i in range(height):
    for j in range(width):
        (b,g,r) = img2[i,j]
        gray = (int(b) + int(g) + int(r)) / 3
        dst[i,j] = np.uint8(gray)

cv2.imshow('src', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以很明显看出，使用均值求出的灰度图像与用前两种方法得出的图像不同。似乎这张图没有那么光暗分明。

方法四：将RGB三值乘系数相加。例如：gray =  r*0.1 + g*0.2 + b*0.3

import cv2
import numpy as np

img2 = cv2.imread('OpenCV\\image0.JPG',1)

# 方法三：gray = （R + B + G）/3
imgInfo = img2.shape
height = imgInfo[0]
width = imgInfo[1]

dst_01 = np.zeros((height, width, 3), np.uint8)    # 定义一个空画板

# 使用循环读取矩阵中的每一个元素,即，读取图像中每一个像素的RGB值
for i in range(height):
    for j in range(width):
        (b,g,r) = img2[i,j]
        gray = int(b)*0.1 + int(g)*0.2 + int(r)*0.3
        dst_01[i,j] = np.uint8(gray)

cv2.imshow('src', dst_01)
cv2.waitKey(0)
cv2.destroyAllWindows()

通过运行结果发现，第四种方法好像更暗了一些。但，R、G、B各自的系数可以更改，以此调节得到自己所需要的适当程度的灰度图。