彩色图像到灰度转换 常见方法汇总与对比

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

补一下基础知识，关注一波彩色转灰度

觉得不错，请点【在看】支持！

转换方法

今天来说说图像处理最基础知识，彩色图像与灰度图像转换，一般大家熟知的彩色图像转灰度的公式如下：

代码实现

OpenCV中有一个模块是彩色图像转为灰度图像的，基于API是cvtCOLOR，我这里就直接裸奔了一下，其实更好的方法应该是基于查找表与像素映射，可以获得极高速度优势！我这里就简单的用python演示了一下，代码实现如下：

import cv2 as cv
import numpy as np


def lut(weight):
    lut = []
    for i in range(256):
        lut.append(np.int32(i*weight))
    return np.array(lut)


def rgb2gray(image, type, blut=None, glut=None, rlut=None):
    h, w, c = image.shape
    gray = np.zeros((h,w), dtype=np.uint8)
    for row in range(h):
        for col in range(w):
            b, g, r = np.int32(image[row,col])
            if type == 1:
                y = blut[g] + glut[g] + rlut[r]
            if type == 2:
                y = (max([b, g, r]) + min([b, g,r])) // 2
            if type == 3:
                y = (b+g+r) // 3
            if type == 4:
                y = max([b, g, r])
            if type == 5:
                y = min([b, g, r])
            gray[row, col] = y

    return gray


if __name__ == "__main__":
    src = cv.imread("D:/images/flower.png")
    cv.imshow("input", src)
    gray1 = rgb2gray(src, 1, lut(0.299), lut(0.587), lut(0.114))
    gray2 = rgb2gray(src, 1, lut(0.21), lut(0.72), lut(0.07))
    gray3 = rgb2gray(src, 2)
    gray4 = rgb2gray(src, 3)
    gray5 = rgb2gray(src, 4)
    gray6 = rgb2gray(src, 5)

    cv.imshow("gray1", gray1)
    cv.imshow("gray2", gray2)
    cv.imshow("gray3", gray3)
    cv.imshow("gray4", gray4)
    cv.imshow("gray5", gray5)
    cv.imshow("gray6", gray6)

    cv.waitKey(0)
    cv.destroyAllWindows()

效果对比

彩色图像如下：

上述各种灰度转换方法对比结果如下：

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~