彩色图像怎样转灰度图像

本文链接：https://blog.csdn.net/saltriver/article/details/79677116

我们日常的环境通常获得的是彩色图像，很多时候我们常常需要将彩色图像转换成灰度图像。也就是3个通道（RGB）转换成1个通道。

（1）平均法
最简单的方法当然就是平均法，将同一个像素位置3个通道RGB的值进行平均。
I(x,y) = 1/3 * I_R(x,y) +1/3 * I_G(x,y)+ 1/3 * I_B(x,y)

原始图像：

import cv2
import numpy as np
lenna = cv2.imread("lenna.png")
row, col, channel = lenna.shape
lenna_gray = np.zeros((row, col))
for r in range(row):
    for l in range(col):
        lenna_gray[r, l] = 1 / 3 * lenna[r, l, 0] + 1 / 3 * lenna[r, l, 1] + 1 / 3 * lenna[r, l, 2]

cv2.imshow("lenna_gray", lenna_gray.astype("uint8"))
cv2.waitKey()

（2）最大最小平均法
取同一个像素位置的RGB中亮度最大的和最小的进行平均。

I(x,y) = 0.5 * max(I_R(x,y), I_G(x,y), I_B(x,y))+ 0.5 * min(I_R(x,y), I_G(x,y), I_B(x,y))

for r in range(row):
    for l in range(col):
        lenna_gray[r, l] = 1 / 2 * max(lenna[r, l, 0], lenna[r, l, 1], lenna[r, l, 2]) + 1 / 2 * min(lenna[r, l, 0],                                                                                lenna[r, l, 1],                                                                               lenna[r, l, 2])

cv2.imshow("lenna_maxmin", lenna_gray.astype("uint8"))
cv2.waitKey()

（3）加权平均法
I(x,y) = 0.3 * I_R(x,y) +0.59 * I_G(x,y)+ 0.11 * I_B(x,y)
这是最流行的方法。几个加权系数0.3,0.59,0.11是根据人的亮度感知系统调节出来的参数，是个广泛使用的标准化参数。

for r in range(row):
    for l in range(col):
        lenna_gray[r, l] = 0.11 * lenna[r, l, 0] + 0.59 * lenna[r, l, 1] + 0.3 * lenna[r, l, 2]

cv2.imshow("lenna_weighted", lenna_gray.astype("uint8"))
cv2.waitKey()

（4）二值图像
不严谨的时候，我们也可以把灰度图称为黑白图像，实际上除了灰度图，还有一种图像叫二值图，也就是灰度只有0和255，这才是“真正的黑白图像”，因为0代表黑色，255代表白色。我们设定一个阈值T，当某像素点的灰度值大于T时，设定该像素点的值为255，当小于T时，设定为0。
 

lenna_binary = np.zeros_like(lenna_gray)
threshold = 100
for r in range(row):
    for l in range(col):
        if lenna_gray[r, l] >= threshold:
            lenna_binary[r, l] = 255
        else:
            lenna_binary[r, l] = 0

cv2.imshow("lenna_binary", lenna_binary.astype("uint8"))
cv2.waitKey()

（5）反转图像
反转图像也很简单：s = 255-r。反转图像特别适用于增强暗色图像中的白色或灰色细节。

x_ray = cv2.imread("x_ray.png", 0)

row, col = x_ray.shape

x_ray_inverse = np.zeros_like(x_ray)

for r in range(row):
    for l in range(col):
        x_ray_inverse[r, l] = 255 - x_ray[r, l]
cv2.imshow("x_ray", x_ray)
cv2.imshow("x_ray_inverse", x_ray_inverse)
cv2.waitKey()