彩色图像处理

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的值叫做灰度值。灰度范围为0-255.

一般有四种方法对彩色图像进行灰度化：

　　a、分量法

　　　　将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。即共有3种，R分量灰度图、G分量灰度图、B分量灰度图。

　　　　f(i,j)=R(i,j)或者f(i,j)=G(i,j)或者f(i,j)=B(i,j)

　　b、最大值化

　　　　将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。

　　　　f(i,j)=max((R(i,j),G(i,j),B(i,j))

　　c、平均值法

　　　　将彩色图像中的三分量亮度求平均得到一个灰度值。

　　　　f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3

　　d、加权平均法

　　　　根据重要性及其他指标，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，对蓝色的敏感最低，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。

　　　　f(i,j)=0.30*R(i,j)+0.59*G(i,j)+0.11*B(i,j)　　　

import cv2
import random
import imutils
import numpy as np

# 彩色图像每个像素值是[x,y,z], 灰度图像每个像素值便是一个np.uint8
image = cv2.imread('E:/1.PNG')
gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  #将彩色图像变为灰度图像（RGB彩色变灰色）

# 图像大小调整
ori_h, ori_w = image.shape[:2]   #获得原图像长宽
height, width = gray_img.shape[:2]   #获得灰度图像长宽
image = cv2.resize(image, (int(ori_w / ori_h * 400), 400), interpolation=cv2.INTER_CUBIC)  #对图像大小变换且做三次插值
gray_img = cv2.resize(gray_img, (int(width / height * 400), 400), interpolation=cv2.INTER_CUBIC)  #对图像大小变换且做三次插值

# a<0 and b=0: 图像的亮区域变暗，暗区域变亮
a, b = -0.5, 0
new_img1 = np.ones((gray_img.shape[0], gray_img.shape[1]), dtype=np.uint8) #初始化一个新图像做变换，且大小同灰度图像大小
for i in range(new_img1.shape[0]):
    for j in range(new_img1.shape[1]):
        new_img1[i][j] = gray_img[i][j] * a + b  #原始图像*a+b

# a>1: 增强图像的对比度,图像看起来更加清晰
a, b = 1.5, 20
new_img2 = np.ones((gray_img.shape[0], gray_img.shape[1]), dtype=np.uint8)
for i in range(new_img2.shape[0]):
    for j in range(new_img2.shape[1]):
        if gray_img[i][j] * a + b > 255:
            new_img2[i][j] = 255
        else:
            new_img2[i][j] = gray_img[i][j] * a + b

# a<1: 减小了图像的对比度, 图像看起来变暗
a, b = 0.5, 0
new_img3 = np.ones((gray_img.shape[0], gray_img.shape[1]), dtype=np.uint8)
for i in range(new_img3.shape[0]):
    for j in range(new_img3.shape[1]):
        new_img3[i][j] = gray_img[i][j] * a + b

# a=1且b≠0, 图像整体的灰度值上移或者下移, 也就是图像整体变亮或者变暗, 不会改变图像的对比度
a, b = 1, -50
new_img4 = np.ones((gray_img.shape[0], gray_img.shape[1]), dtype=np.uint8)
for i in range(new_img4.shape[0]):
    for j in range(new_img4.shape[1]):
        pix = gray_img[i][j] * a + b
        if pix > 255:
            new_img4[i][j] = 255
        elif pix < 0:
            new_img4[i][j] = 0
        else:
            new_img4[i][j] = pix

# a=-1, b=255, 图像翻转
new_img5 = 255 - gray_img

cv2.imshow('origin', imutils.resize(image, 800))
cv2.imshow('gray', imutils.resize(gray_img, 800))
cv2.imshow('a<0 and b=0', imutils.resize(new_img1, 800))
cv2.imshow('a>1 and b>=0', imutils.resize(new_img2, 800))
cv2.imshow('a<1 and b>=0', imutils.resize(new_img3, 800))
cv2.imshow('a=1 and b><0', imutils.resize(new_img4, 800))
cv2.imshow('a=-1 and b=255', imutils.resize(new_img5, 800))
if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()