图像验证码识别（四）——灰度化和二值化

一、灰度化

灰度化应用很广，而且也比较简单。灰度图就是将白与黑中间的颜色等分为若干等级，绝大多数位256阶。在RGB模型种，黑色（R=G=B=0）与白色（R=G=B=255），那么256阶的灰度划分就是R=G=B=i，其中i取0到255.

从前面可以知道，OpenCV读取图片之后图像的颜色数据矩阵默认是3通道的，也就是RGB模型，所以每个pixel都有3个分量，分别代表r，g和b的值。因此将三个分量值都改为同一个灰度值，图片就实现灰度化。

灰度化的方法一般有以下几种：

1. 分量法 

在rgb三个分量种按照需求选取一个分量作为灰度值

2. 最大值 

选取rgb的最大值作为该pixel的灰度值

3. 平均值 

g[i,j] = (r[i,j] + g[i,j] + b[i,j]) / 3,取rgb的平均值作为灰度值

4. 加权变换 

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。

g[i,j] = 0.3*r[i,j] + 0.59*g[i,j] + 0.11*b[i,j]

而OpenCV提供了灰度化的API，这里就直接调用了，采用的是加权变换的方法.

[cpp]  view plain  copy

1. void Image::toGray()  
2. {  
3.     Mat iGray;  
4.     if (getChannel() == 3)  
5.     {  
6.         std::cout << "width : " << getWidth() << std::endl;  
7.         std::cout << "height: " << getHeight() << std::endl;  
8.         cvtColor(m_Mat,iGray,COLOR_BGR2GRAY);  
9.         m_Mat = iGray;  
10.         std::cout << "The file has been converted to gray map successfully" << std::endl;  
11.         std::cout << "***********************************" << std::endl;  
12.     }  
13.     else