医学的RGB图像转化为灰度图像,是根据自己处理图片的需要而定。
大多数的医学图像RGB提供的信息量很少(几乎没有),所以可以直接灰度图来进行后续计算.
RGB图像转换成灰度图的原因:
最直接的原因:减少计算量
包含色彩的图片,特征量,计算量会成指数倍数增加
比如一个点,灰度的话,就256个维度而已,但是如果算上RGB色彩的话,那就是1600万以上维度。然后再相互组合,或者说找梯度,可以想象看计算量有多大。
是否选择灰度图主要需要权衡以下几点:
1. 梯度
我们识别物体,最关键的因素是梯度(现在很多的特征提取HOG,LBP,SIFT等等本质都是梯度的统计信息),梯度意味着边缘,这是最本质的部分,而计算梯度,最常用就是灰度图。颜色本身,非常容易受到光照等因素的影响,同类的物体颜色有很多变化,所以颜色本身难以提供关键信息
2.计算量
灰度化其实就是将图片降维,这样就能大大降低计算量
对于设备的计算能力和识别速度的需求是你取舍的一个关键点
有时候灰度图还是过大,再次降维使用二值化图像
3.颜色信息
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,要分别知对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
对于一些场景,颜色所能提供的信息并不多
比如大多数的医学图像RGB提供的信息量很少(几乎没有),所以可以直接灰度图来进行后续计算
但是也并不绝对,颜色有时候提供的信息也很重要
比如分辨红绿灯的话,是绝对不能直接只用灰度图的