数字图像灰度化的几种实现方式

from skimage.color import rgb2gray
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
import cv2

"""灰度图实现"""


# 手动灰度化
def hand_gray():
    img = cv2.imread("./data/cat.jpg")  # 默认是BGR模式
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 转为RGB模式
    # img = plt.imread("./data/cat.jpg") #plt方式读图
    h, w = img.shape[:2]  # 读处长和宽
    img_gray = np.zeros([h, w], img.dtype)  # 初始化一个和图片大小一样的0矩阵(灰度图矩阵)
    for i in range(h):
        for j in range(w):
            m = img[i, j]  # 此处m为三通道，有三个值
            img_gray[i, j] = int(m[0] * 0.3 + m[1] * 0.59 + m[2] * 0.11)  # 按照权值分配给灰度图矩阵赋值
    print(img_gray)  # 打印处理后的灰度图
    cv2.imshow('hand_gray picture ', img_gray)  # 展示灰度图
    cv2.waitKey(0)  # 让图像不会一闪而过


# 调用库函数是实现灰度化
def auto_gray():
    # skimage实现灰度化
    img = cv2.imread("./data/cat.jpg")  # 读图
    img_gray = rgb2gray(img)
    cv2.imshow('skimage_gray picture ', img_gray)  # 展示灰度图
    print("skimage_image_gray:", img_gray)  # 打印一下灰度图
    cv2.waitKey(0)  # 让图像不会一闪而过

    plt.subplot(221)  # 表示创建2*2表格，当前图显示在第一格，第一个参数代表子图的行数，第二个参数代表该行图像的列数，第三个参数代表每行的第几个图像

    # 使用opencv实现灰度化
    img = cv2.imread("./data/cat.jpg")
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGRA2GRAY)

    # 用opencv输出
    cv2.imshow('opencv_gray picture ', img_gray)
    cv2.waitKey(0)

    # 用plt输出：这里要注意，cmap为颜色图谱，默认为RGB(A)颜色空间，也可以指定，gray是灰度图，若cmap为其他会造成色差
    plt.imshow(img_gray, cmap="gray")
    plt.show()
    print("opencv_image_gray:", img_gray)  # 打印一下灰度图
    plt.subplot(222)

if __name__ == '__main__':
    # hand_gray()  # 手动灰度化
    auto_gray()  # 调用库函数实现灰度化

手动灰度化效果 

 

调用skimge库实现 

 

 使用opencv库实现