Python图像处理入门100题之灰度化

Python图像处理入门100题之灰度化

---

前言

这是一个新的专题！

题来自于「画像処理100本ノック」中文版本！为图像处理初学者设计的 100 个问题。

在这里我们可以学到：
1、Python的第三方库OpenCV和matplotlib的基本用法
2、数字图像处理的基本算法

---

问题二：灰度化

将图像灰度化

灰度是一种图像亮度的表示方法，通过下式计算： $$Y=0.2126R+0.7152G+0.0722B$$

原始图片可以在上面的GitHub链接里找到。

代码实现：

1.准备工作

（1）图像灰度化意义

灰度化：将多通道的彩色图像转换为单通道的灰度图像的过程。

灰度范围为0-255，0为纯黑，255为纯白。

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。
（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：$$Y=max(R,G,B)$$
（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：$$R=G=B=(R+G+B)/3$$
（3）加权平均法（也是作者使用的方法）
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： $$Y=0.2126R+0.7152G+0.0722B$$

2.灰度化

平均值法代码如下（示例）：

import cv2
import numpy as np

# Gray scale
def BGR2GRAY(img):
    b = img[:, :, 0].copy()
    g = img[:, :, 1].copy()
    r = img[:, :, 2].copy()

    out = 1/3 * b + 1/3 * g + 1/3 * r
    # out = 1/3 * (b + g + r)       # 以上两行代码看似效果相等，实际运行起来却不一样，各位读者请先自行思考一下，我们会在后期的博客里解读
    out = out.astype(np.uint8)

    return out

# Read image
img = cv2.imread("imori.jpg")

# Grayscale
out = BGR2GRAY(img)

# Save result
cv2.imwrite("out.jpg", out)
cv2.namedWindow("result",0)
cv2.resizeWindow("result", 200, 200)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果展示：

加权平均法代码如下（作者源码）：

import cv2
import numpy as np

# Gray scale
def BGR2GRAY(img):
    b = img[:, :, 0].copy()
    g = img[:, :, 1].copy()
    r = img[:, :, 2].copy()

    out = 0.2126 * r + 0.7152 * g + 0.0722 * b    # 加权处理
    out = out.astype(np.uint8)

    return out


# Read image
img = cv2.imread("imori.jpg")

# Grayscale
out = BGR2GRAY(img)

# Save result
cv2.imwrite("out.jpg", out)
cv2.namedWindow("result",0)
cv2.resizeWindow("result", 200, 200)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果展示：

---

总结

用了三种方式做了一个彩色图像转灰度图像的转换，我们发现在前两种方法，在out的最后输出上有一个astype的操作，最后out的数据类型变成了unit8，是因为OpenCV只能表示unit8型的数据，可以尝试如果为浮点型cv.imshow()是显示不了图片的