图片的四种灰度化方式openCV

title: 图片的四种灰度化方式
author: BbiHH
tags:

• Naoqi机器人
  categories:
• openCV
• 图片变化
  date: 2019-08-20 15:07:00

---

(原创)

图片灰度化

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。一般有分量法 最大值法平均值法加权平均法四种方法对彩色图像进行灰度化。灰度值大的像素点比较亮（像素值最大为255，为白色），反之比较暗（像素最下为0，为黑色）。

现在大部分的彩色图像都是采用RGB颜色模式，处理图像的时候，要分别对RGB三种分量进行处理，实际上RGB并不能反映图像的形态特征，只是从光学的原理上进行颜色的调配。现在有很多其他的颜色模式，例如HSI模式，HSI是由色调，饱和度，亮度三个分量来表示颜色。HSI比RGB更符合人的视觉特性。但是HSI也是三通道，真正反映图像特征的变量是I，其他都是色彩的反映。所以我们经常要把图像弄成8位的灰度值图像直接进行处理，可以通过直方图，灰度变化，还有正交变换之类的进行处理。甚至经常把图像分割之后变成二值图像处理。

下面介绍图片灰度变化的方法。

图片灰度化的四种方式:

• 直接取 BGR三分量值 为其强度值

代码演示:

#coding=utf-8

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("D:\图片\Saved Pictures\qianxun.jpg",cv2.IMREAD_COLOR)

# 直接取分量
b = img[:,:,0]
g = img[:,:,1]
r = img[:,:,2


cv2.imshow('灰度图-分量b',b)
cv2.imshow('灰度图-分量g',g)
cv2.imshow('灰度图-分量r',r)

• 取最大值法

R=G=B=max（R，G，B）

代码示例：

#coding=utf-8

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("D:\图片\Saved Pictures\qianxun.jpg",cv2.IMREAD_COLOR)

MaxGary = np.zeros(img.shape[:2],dtype = "uint8")
for i in range(img.shape[0]):
  for j in range(img.shape[1]):
    MaxGary[i,j] = max(img[i,j][0],img[i,j][1],img[i,j][2])
cv2.imshow('灰度图-最大取法',MaxGary)

• 取平均值

R=G=B = (R+B+G)/3 将三通道分量的颜色值相加取平均值

代码实例：

 #coding=utf-8

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("D:\图片\Saved Pictures\qianxun.jpg",cv2.IMREAD_COLOR)
 
 NolGary = np.zeros(img.shape[:2],dtype = "uint8")
for i in range(img.shape[0]):
  for j in range(img.shape[1]):
    NolGary[i,j] = (int)((img[i,j][0]+img[i,j][1]+img[i,j][2])/3)
cv2.imshow('灰度图-平均值法',NolGary)

• 加权平均值

按照一定的权值，对R,G,B的值加权平均。 由于人眼对绿色最为敏感，红色次之，蓝色的敏感性最低，因此权值 wG>wR>wB将得到较易识别的灰度图像。一般，wB=0.114，wG=0.578，wR=0.299 得到的灰度图像效果最好。

代码实例：

#coding=utf-8

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("D:\图片\Saved Pictures\qianxun.jpg",cv2.IMREAD_COLOR)

PeoGary = np.zeros(img.shape[:2],dtype = "uint8")
for i in range(img.shape[0]):
  for j in range(img.shape[1]):
    PeoGary[i,j] = 0.114*img[i,j][0] + 0.578 *img[i,j][1] + 0.299 *img[i,j][2]
cv2.imshow('灰度图-加权平均值法',PeoGary)

四种方法总和：

#coding=utf-8

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("D:\图片\Saved Pictures\qianxun.jpg",cv2.IMREAD_COLOR)

# 直接取分量
b = img[:,:,0]
g = img[:,:,1]
r = img[:,:,2]


cv2.imshow('灰度图-分量b',b)
cv2.imshow('灰度图-分量g',g)
cv2.imshow('灰度图-分量r',r)


# 取最大值
MaxGary = np.zeros(img.shape[:2],dtype = "uint8")
for i in range(img.shape[0]):
  for j in range(img.shape[1]):
    MaxGary[i,j] = max(img[i,j][0],img[i,j][1],img[i,j][2])
cv2.imshow('灰度图-最大取法',MaxGary)

# 平均法
NolGary = np.zeros(img.shape[:2],dtype = "uint8")
for i in range(img.shape[0]):
  for j in range(img.shape[1]):
    NolGary[i,j] = (int)((img[i,j][0]+img[i,j][1]+img[i,j][2])/3)
cv2.imshow('灰度图-平均值法',NolGary)

# 加权平均法
PeoGary = np.zeros(img.shape[:2],dtype = "uint8")
for i in range(img.shape[0]):
  for j in range(img.shape[1]):
    PeoGary[i,j] = 0.114*img[i,j][0] + 0.578 *img[i,j][1] + 0.299 *img[i,j][2]
cv2.imshow('灰度图-加权平均值法',PeoGary)

cv2.imshow('原图',img)
cv2.waitKey(0)

效果比较

原图

通道B

通道G

通道R

最大值

平均值

加权平均值