灰度化处理就是将一幅彩色图像转化为灰度图像的过程。彩色图像分为R、G、B三个分量,分别显示出红绿蓝等各种颜色,灰度化就是使彩色的R、G、B分量相等的过程。灰度值最大的像素点比较亮(像素值最大为255,为白色);反之比较暗(像素最小为0,为黑色)。

灰度数字图像是每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗黑色到最亮白色的灰度。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度。

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的值叫灰度值.

1. 图像灰度化算法

图像灰度化算法主要有4种,下面分别介绍。

(1) 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。

F1(i,j) = R(i,j)

F2(i,j) = G(i,j)

F3(i,j) = B(i,j)

代码示例:

# -*- coding: utf-8 -*-


import cv2
import numpy
import matplotlib.pyplot

image = cv2.imread("D:\\ImageNet\\timg4.png")
print(image.shape)
b,g,r = cv2.split(image)   # the order is not r,g,b

cv2.namedWindow("Image")
cv2.imshow("Image",image)

cv2.namedWindow("ImageR")
cv2.imshow("ImageR",r)

cv2.namedWindow("ImageG")
cv2.imshow("ImageG",g)

cv2.namedWindow("ImageB")
cv2.imshow("ImageB",b)
cv2.waitKey(0)

cv2.destroyAllWindows()

(2) 最大值法

将彩色图像中的三分量亮度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))

代码示例:

# -*- coding: utf-8 -*-


import cv2
import numpy
import matplotlib.pyplot

image = cv2.imread("D:\\ImageNet\\timg4.png")
print(image.shape)

#b,g,r = cv2.split(image)   # the order is not r,g,b
#print(b.shape)
#print(type(b))
#print(b.dtype)
#print(image.dtype)

shape = (image.shape[0],image.shape[1])
newImage = numpy.ndarray(shape,image.dtype)


for i in range(image.shape[0]):
    for j in range(image.shape[1]):
       newImage[i,j] = max(image[i,j][0],image[i,j][1],image[i,j][2])

cv2.namedWindow("NewImageMax")
cv2.imshow("NewImageMax",newImage)
cv2.waitKey(0)

cv2.destroyAllWindows()

(3) 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

代码示例如下:

# -*- coding: utf-8 -*-


import cv2
import numpy
import matplotlib.pyplot

image = cv2.imread("D:\\ImageNet\\timg4.png")
print(image.shape)

#b,g,r = cv2.split(image)   # the order is not r,g,b
#print(b.shape)
#print(type(b))
#print(b.dtype)
#print(image.dtype)

shape = (image.shape[0],image.shape[1])
newImage = numpy.ndarray(shape,image.dtype)


for i in range(image.shape[0]):
    for j in range(image.shape[1]):
       newImage[i,j] = (int(image[i,j][0]) + int(image[i,j][1]) + int(image[i,j][2])) / 3

cv2.namedWindow("NewImageAver")
cv2.imshow("NewImageAver",newImage)
cv2.waitKey(0)

cv2.destroyAllWindows()

(4) 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,对蓝色敏感最低,因此按下式对RGB分量进行加权平均能得到较合理的灰度图像。

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

代码示例如下:

# -*- coding: utf-8 -*-


import cv2
import numpy
import matplotlib.pyplot

image = cv2.imread("D:\\ImageNet\\timg4.png")
print(image.shape)

b,g,r = cv2.split(image)   # the order is not r,g,b
#print(b.shape)
#print(type(b))
#print(b.dtype)
#print(image.dtype)

shape = (image.shape[0],image.shape[1])
newImage = numpy.ndarray(shape,image.dtype)


for i in range(image.shape[0]):
    for j in range(image.shape[1]):
        newImage[i,j] = 0.11 * image[i,j][0] + 0.59 * image[i,j][1] + 0.30 * image[i,j][2]

cv2.namedWindow("NewImageWeightAver")
cv2.imshow("NewImageWeightAver",newImage)
cv2.waitKey(0)

cv2.destroyAllWindows()

我们可以调整上面的分量,比如:

newImage[i, j] = 0.10 * image[i, j][0] + 0.65 * image[i, j][1] + 0.25 * image[i, j][2]

上面的公式可以看出绿色(G 分量)所占的比重比较大,所以有时候也会直接取G 分量进行灰度化

注意: cv2.split()函数分割出来的颜色三个分量顺序是BGR



[参看]:

  1. Python-OpenCV 处理图像(七):图像灰度化处理

  2. 图像灰度化的三种方法及matlab,c++,python实现