opencv 灰度实验

灰度图与彩色图最大的不同就是：彩色图是由R、G、B三个通道组成，而灰度图只有一个通道，也称为单通道图像，所以彩色图转成灰度图的过程本质上就是将R、G、B三通道合并成一个通道的过程。

1. 最大值法

对于彩色图像的每个像素，它会从R、G、B三个通道的值中选出最大的一个，并将其作为灰度图像中对应位置的像素值。

代码如下：

 '''灰度处理——最大值法'''#读取图像img=cv2.imread(r'./src/1.jpg')#取出图像的高度，宽度和BGR(颜色)h,w,c=img.shapeimg_gray=np.zeros((h,w),dtype=np.uint8) #构造出和原图形状相同的灰度图# 遍历原图像的每个元素for row in range(h):for col in range(w):# 取出原图形中的BGRb,g,r=img[row,col]# 将bgr的最大值赋值给灰度图max_value=max(b,g,r)img_gray[row,col]=max_value# 显示原图和灰度图cv2.imshow("img",img)cv2.imshow("img_gray",img_gray)cv2.waitKey(0)

步骤：

• 1.读取原图像
• 2.获取原图像的高度，宽度，和BGR(颜色)
• 3.根据原图的高度和宽度构建出一个和原图形状相同的二维数组，类型dtype=np.uint8
• 4.遍历原图像的每个像素点得到每个像素点的BRG
• 5.将每个像素点的BRG进行大小比较找出最大值
• 6.再把这个最大值赋值个与原图同一个高度和宽度的灰度图
• 7最后将两个图片显示出来

2. 平均值法

对于彩色图像的每个像素，它会将R、G、B三个通道的像素值全部加起来，然后再除以三，得到的平均值就是灰度图像中对应位置的像素值。

代码如下：

'''灰度处理——均值法'''img=cv2.imread(r"./src/1.jpg")h,w,c=img.shapeimg_gray=np.zeros((h,w),dtype=np.uint8)for row in range(h):for col in range(w):b,g,r=img[row,col]mean_value=(b+g+r)//3img_gray[row,col]=mean_valuecv2.imshow("img",img)cv2.imshow("img_gray",img_gray)cv2.waitKey(0)

步骤跟最大值法一样

3. 加权均值法

对于彩色图像的每个像素，它会按照一定的权重去乘以每个通道的像素值，并将其相加，得到最后的值就是灰度图像中对应位置的像素值。本实验中，权重的比例为： R乘以0.299，G乘以0.587，B乘以0.114，这是经过大量实验得到的一个权重比例，也是一个比较常用的权重比例。

代码如下：

 '''灰度处理——加权均值法'''img=cv2.imread(r"./src/1.jpg")h,w,c=img.shapeimg_gray=np.zeros((h,w),dtype=np.uint8)for row in range(h):for col in range(w):b,g,r=img[row,col]mean_value=(b*0.229+g*0.599+r*0.144)img_gray[row,col]=mean_valuecv2.imshow("img",img)cv2.imshow("img_gray",img_gray)cv2.waitKey(0)

4(直接读取灰度图)cv2.IMREAD_GRAYSCALE

代码如下：

'''灰度处理——内置属性直接读取灰度图'''img_gray=cv2.imread(r'./src/1.jpg',cv2.IMREAD_GRAYSCALE)cv2.imshow("img_gray",img_gray)cv2.waitKey(0)

5内置将原图转换为灰度图cv2.cvtColor()

cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
代码如下：

'''灰度处理——内置将原图转换为灰度图'''img=cv2.imread(r"./src/1.jpg")img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)cv2.imshow("img",img)cv2.imshow("img_gray",img_gray)cv2.waitKey(0)

6 两个极端的灰度值