数字图像处理- 彩色图像转换为黑白图像

问题描述

图像处理中的一个常见问题是将彩色 RGB 图像转换成单色灰度图像，第一种常用的方法是取三个元素 R，G，B 的均值。第二种常用的方式，又称为 NTSC 标准，考虑了人类的彩色感知体验，对于 R,G,B 三通道分别采用了不同的加权系数，分别是 R 通道 0.2989，G 通道0.5870，B 通道 0.1140. 实现一个函数 g = rgb1gray(f, method). 函数功能是将一幅 24 位的RGB 图像, f, 转换成灰度图像, g. 参数 method 是一个字符串，当其值为’average’ 时，采用第一种转换方法，当其值为’NTSC’时，采用第二种转换方法。将’NTSC’做为缺省方式。调用该函数，将提供的图像 mandril_color.tif 和lena512color.tiff 用上述两种方法转换成单色灰度图像，对于两种方法的结果进行简短比较和讨论。

代码实现

导库

import numpy as np
import cv2

灰度转换函数

def  rgb1gray(f, method='NTSC'):
    if method == 'average':
        g = (f[:,:,0]+f[:,:,1]+f[:,:,2]) / 3
        g = g.clip(0, 1)
        return g

    elif method == 'NTSC':
        g = 0.2989*f[:, :, 0] + 0.5870*f[:, :, 1] + 0.1140*f[:, :, 2]
        g = g.clip(0, 1)
        return g
    else:
        raise Exception("输入格式有误")

归一化函数

def normalization(data):           
    _range = np.max(data) - np.min(data)
    return (data - np.min(data)) / _range

主函数

if __name__ == '__main__':

    #图片导入
    im1 = cv2.imread('mandril_color.tif')
    im2 = cv2.imread('lena512color.tiff')
    #归一化
    im1 = normalization(im1)
    im2 = normalization(im2)

    #NTSC方式转灰度图
    g1 = rgb1gray(im1)
    g2 = rgb1gray(im2)

    #average方式转灰度图
    g12 =  rgb1gray(im1,'average')
    g22 = rgb1gray(im2, 'average')

    #对比作差
    g3 = np.abs(g1 - g12)
    g4 = np.abs(g2 - g22)

    #第一幅图展示
    cv2.imshow('mandril_color', im1)
    cv2.imshow('mandril_color NTSC',g1)
    cv2.imshow('mandril_color average', g12)
    cv2.imshow('mandril_color diff',g3)

    #第二幅图展示
    cv2.imshow('lena512color', im2)
    cv2.imshow('lena512color NTSC', g2)
    cv2.imshow('lena512color average', g22)
    cv2.imshow('lena512color diff', g4)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

结果展示