• 本篇文章讲解图像灰度处理的知识,结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作,使用像素处理方法对图像进行灰度处理。基础性知识希望对您有所帮助。 1.图像灰度化原理 2.基于OpenCV图像灰度处理 3....
    该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助,如果有不足之处,还请海涵~
    
    该系列在github所有源代码:[https://github.com/eastmountyxz/ImageProcessing-Python](https://github.com/eastmountyxz/ImageProcessing-Python)
    PS:请求帮忙点个Star,哈哈,第一次使用Github,以后会分享更多代码,一起加油。
    
    
    同时推荐作者的C++图像系列知识:
    [[数字图像处理] 一.MFC详解显示BMP格式图片](https://blog.csdn.net/eastmount/article/details/18238863)
    [[数字图像处理] 二.MFC单文档分割窗口显示图片](https://blog.csdn.net/eastmount/article/details/18987539)
    [[数字图像处理] 三.MFC实现图像灰度、采样和量化功能详解](https://blog.csdn.net/eastmount/article/details/46010637)
    [[数字图像处理] 四.MFC对话框绘制灰度直方图](https://blog.csdn.net/eastmount/article/details/46237463)
    [[数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解](https://blog.csdn.net/eastmount/article/details/46312145)
    [[数字图像处理] 六.MFC空间几何变换之图像平移、镜像、旋转、缩放详解](https://blog.csdn.net/eastmount/article/details/46345299)
    [[数字图像处理] 七.MFC图像增强之图像普通平滑、高斯平滑、Laplacian、Sobel、Prewitt锐化详解](https://blog.csdn.net/eastmount/article/details/46378783)
    
    前文参考:
    [[Python图像处理] 一.图像处理基础知识及OpenCV入门函数](https://blog.csdn.net/Eastmount/article/details/81748802)
    [[Python图像处理] 二.OpenCV+Numpy库读取与修改像素](https://blog.csdn.net/eastmount/article/details/82120114)
    [[Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理](https://blog.csdn.net/eastmount/article/details/82177300)
    [[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波](https://blog.csdn.net/Eastmount/article/details/82216380)
    [[Python图像处理] 五.图像融合、加法运算及图像类型转换](https://blog.csdn.net/Eastmount/article/details/82347501)
    [[Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移](https://blog.csdn.net/Eastmount/article/details/82454335)
    [[Python图像处理] 七.图像阈值化处理及算法对比](https://blog.csdn.net/Eastmount/article/details/83548652)
    [[Python图像处理] 八.图像腐蚀与图像膨胀](https://blog.csdn.net/Eastmount/article/details/83581277)
    [[Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算](https://blog.csdn.net/Eastmount/article/details/83651172)
    [[Python图像处理] 十.形态学之图像顶帽运算和黑帽运算](https://blog.csdn.net/Eastmount/article/details/83692456)
    [[Python图像处理] 十一.灰度直方图概念及OpenCV绘制直方图](https://blog.csdn.net/Eastmount/article/details/83758402)
    [[Python图像处理] 十二.图像几何变换之图像仿射变换、图像透视变换和图像校正](https://blog.csdn.net/Eastmount/article/details/88679772)
    [[Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算](https://blog.csdn.net/Eastmount/article/details/88712004)
    
    
    
    
    本篇文章讲解图像灰度化处理的知识,结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作,使用像素处理方法对图像进行灰度化处理。基础性知识希望对您有所帮助。
    **1.图像灰度化原理**
    **2.基于OpenCV的图像灰度化处理**
    **3.基于像素操作的图像灰度化处理**
    
    PS:文章参考自己以前系列图像处理文章及OpenCV库函数,同时,本篇文章涉及到《计算机图形学》基础知识,请大家下来补充。
    
    参考文献:
    杨秀璋等. 基于苗族服饰的图像锐化和边缘提取技术研究[J]. 现代计算机,2018(10).
    《数字图像处理》(第3版),冈萨雷斯著,阮秋琦译,电子工业出版社,2013年.
    《数字图像处理学》(第3版),阮秋琦,电子工业出版社,2008年,北京.
    《OpenCV3编程入门》,毛星云,冷雪飞,电子工业出版社,2015.
    [Opencv学习(十六)之颜色空间转换cvtColor()](https://blog.csdn.net/keith_bb/article/details/53470170)
    [python+opencv+图像特效(图像灰度处理、颜色翻转、图片融合,边缘检测,浮雕效果,颜色映射)](https://blog.csdn.net/weixin_39881922/article/details/80889344)
    
    
    
    ---
    
    # 一.图像灰度化原理
    
    像灰度化是将一幅彩色图像转换为灰度化图像的过程。彩色图像通常包括R、G、B三个分量,分别显示出红绿蓝等各种颜色,灰度化就是使彩色图像的R、G、B三个分量相等的过程。灰度图像中每个像素仅具有一种样本颜色,其灰度是位于黑色与白色之间的多级色彩深度,灰度值大的像素点比较亮,反之比较暗,像素值最大为255(表示白色),像素值最小为0(表示黑色)。
    
    假设某点的颜色由RGB(R,G,B)组成,常见灰度处理算法如表7.1所示:
    
    
    	
    
    
    表7.1中Gray表示灰度处理之后的颜色,然后将原始RGB(R,G,B)颜色均匀地替换成新颜色RGB(Gray,Gray,Gray),从而将彩色图片转化为灰度图像。
    
    一种常见的方法是将RGB三个分量求和再取平均值,但更为准确的方法是设置不同的权重,将RGB分量按不同的比例进行灰度划分。比如人类的眼睛感官蓝色的敏感度最低,敏感最高的是绿色,因此将RGB按照0.299、0.587、0.144比例加权平均能得到较合理的灰度图像,如公式7.1所示。
    
    
    	
    
    
    
    ---
    
    # 二.基于OpenCV的图像灰度化处理
    
    在日常生活中,我们看到的大多数彩色图像都是RGB类型,但是在图像处理过程中,常常需要用到灰度图像、二值图像、HSV、HSI等颜色,OpenCV提供了cvtColor()函数实现这些功能。其函数原型如下所示:
    
    **dst = cv2.cvtColor(src, code[, dst[, dstCn]])** 
    - src表示输入图像,需要进行颜色空间变换的原图像
    - dst表示输出图像,其大小和深度与src一致
    - code表示转换的代码或标识
    - dstCn表示目标图像通道数,其值为0时,则有src和code决定
    
    该函数的作用是将一个图像从一个颜色空间转换到另一个颜色空间,其中,RGB是指Red、Green和Blue,一副图像由这三个通道(channel)构成;Gray表示只有灰度值一个通道;HSV包含Hue(色调)、Saturation(饱和度)和Value(亮度)三个通道。在OpenCV中,常见的颜色空间转换标识包括CV_BGR2BGRA、CV_RGB2GRAY、CV_GRAY2RGB、CV_BGR2HSV、CV_BGR2XYZ、CV_BGR2HLS等。
    
    下面是调用cvtColor()函数将图像进行灰度化处理的代码。
    ```python
    #encoding:utf-8
    import cv2  
    import numpy as np  
    
    #读取原始图片
    src = cv2.imread('miao.png')
    
    #图像灰度化处理
    grayImage = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
    
    #显示图像
    cv2.imshow("src", src)
    cv2.imshow("result", grayImage)
    
    #等待显示
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    ```
    输出结果如下图所示,左边是彩色的苗族服饰原图,右边是将彩色图像进行灰度化处理之后的灰度图。其中,灰度图将一个像素点的三个颜色变量设置为相当,R=G=B,此时该值称为灰度值。
    
    
    	
    
    
    同样,可以调用 grayImage = cv2.cvtColor(src, cv2.COLOR_BGR2HSV) 核心代码将彩色图像转换为HSV颜色空间,如下图所示。
    
    
    	
    
    
    下面Image_Processing_07_02.py代码对比了九种常见的颜色空间,包括BGR、RGB、GRAY、HSV、YCrCb、HLS、XYZ、LAB和YUV,并循环显示处理后的图像。
    
    ```python
    #encoding:utf-8
    import cv2  
    import numpy as np  
    import matplotlib.pyplot as plt
    
    #读取原始图像
    img_BGR = cv2.imread('miao.png')
    
    #BGR转换为RGB
    img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)
    
    #灰度化处理
    img_GRAY = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)
    
    #BGR转HSV
    img_HSV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV)
    
    #BGR转YCrCb
    img_YCrCb = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YCrCb)
    
    #BGR转HLS
    img_HLS = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HLS)
    
    #BGR转XYZ
    img_XYZ = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2XYZ)
    
    #BGR转LAB
    img_LAB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2LAB)
    
    #BGR转YUV
    img_YUV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YUV)
    
    #调用matplotlib显示处理结果
    titles = ['BGR', 'RGB', 'GRAY', 'HSV', 'YCrCb', 'HLS', 'XYZ', 'LAB', 'YUV']  
    images = [img_BGR, img_RGB, img_GRAY, img_HSV, img_YCrCb,
              img_HLS, img_XYZ, img_LAB, img_YUV]  
    for i in xrange(9):  
       plt.subplot(3, 3, i+1), plt.imshow(images[i], 'gray')  
       plt.title(titles[i])  
       plt.xticks([]),plt.yticks([])  
    plt.show()
    ```
    
    其运行结果如图所示:
    
    
    	
    
    
    
    ---
    
    # 三.基于像素操作的图像灰度化处理
    
    前面讲述了调用OpenCV中cvtColor()函数实现图像灰度化的处理,接下来讲解基于像素操作的图像灰度化处理方法,主要是最大值灰度处理、平均灰度处理和加权平均灰度处理方法。
    
    **1.最大值灰度处理方法**
    该方法的灰度值等于彩色图像R、G、B三个分量中的最大值,公式如下:
    
    
    	
    
    
    其方法灰度化处理后的灰度图亮度很高,实现代码如下。
    
    ```python
    #encoding:utf-8
    import cv2  
    import numpy as np  
    import matplotlib.pyplot as plt
    
    #读取原始图像
    img = cv2.imread('miao.png')
    
    #获取图像高度和宽度
    height = img.shape[0]
    width = img.shape[1]
    
    #创建一幅图像
    grayimg = np.zeros((height, width, 3), np.uint8)
    
    #图像最大值灰度处理
    for i in range(height):
        for j in range(width):
            #获取图像R G B最大值
            gray = max(img[i,j][0], img[i,j][1], img[i,j][2])
            #灰度图像素赋值 gray=max(R,G,B)
            grayimg[i,j] = np.uint8(gray)
    
    #显示图像
    cv2.imshow("src", img)
    cv2.imshow("gray", grayimg)
    
    #等待显示
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    ```
    
    其输出结果如下图所示,其处理效果的灰度偏亮。
    
    
    	
    
    
    
    **2.平均灰度处理方法**
    该方法的灰度值等于彩色图像R、G、B三个分量灰度值的求和平均值,其计算公式如下所示:
    
    
    	
    
    
    平均灰度处理方法实现代码如下所示:
    
    ```python
    #encoding:utf-8
    import cv2  
    import numpy as np  
    import matplotlib.pyplot as plt
    
    #读取原始图像
    img = cv2.imread('miao.png')
    
    #获取图像高度和宽度
    height = img.shape[0]
    width = img.shape[1]
    
    #创建一幅图像
    grayimg = np.zeros((height, width, 3), np.uint8)
    print grayimg
    
    #图像平均灰度处理方法
    for i in range(height):
        for j in range(width):
            #灰度值为RGB三个分量的平均值
            gray = (int(img[i,j][0]) + int(img[i,j][1]) + int(img[i,j][2]))  /  3
            grayimg[i,j] = np.uint8(gray)
    
    #显示图像
    cv2.imshow("src", img)
    cv2.imshow("gray", grayimg)
    
    #等待显示
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    ```
    
    其输出结果如下图所示:
    
    
    	
    
    
    
    **3.加权平均灰度处理方法**
    该方法根据色彩重要性,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三分量进行加权平均能得到较合理的灰度图像。
    
    
    	
    
    
    加权平均灰度处理方法实现代码如下所示:
    
    ```python
    #encoding:utf-8
    import cv2  
    import numpy as np  
    import matplotlib.pyplot as plt
    
    #读取原始图像
    img = cv2.imread('miao.png')
    
    #获取图像高度和宽度
    height = img.shape[0]
    width = img.shape[1]
    
    #创建一幅图像
    grayimg = np.zeros((height, width, 3), np.uint8)
    print grayimg
    
    #图像平均灰度处理方法
    for i in range(height):
        for j in range(width):
            #灰度加权平均法
            gray = 0.30 * img[i,j][0] + 0.59 * img[i,j][1] + 0.11 * img[i,j][2]
            grayimg[i,j] = np.uint8(gray)
    
    #显示图像
    cv2.imshow("src", img)
    cv2.imshow("gray", grayimg)
    
    #等待显示
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    ```
    
    其输出结果如下图所示:
    
    
    	
    
    
    
    ---
    
    希望文章对大家有所帮助,如果有错误或不足之处,还请海涵。最近连续奔波考博,经历的事情太多,有喜有悲,需要改变自己好好对女神,也希望读者与我一起加油。
    (By:Eastmount 2019-03-25 早上8点 https://blog.csdn.net/Eastmount/)
    
    
    
    展开全文
  • 2、灰度图像二值化处理 具体内容:设置并调整阈值对图像进行二值化处理。 3、灰度图像的对数变换 具体内容:设置并调整 r 值对图像进行对数变换。 4、灰度图像的伽马变换 具体内容:设置并调整γ值对图像进行伽马...
  • 利用opencv3.0和vs2015配置环境对多张图像进行灰度处理
  • 灰度图像进行处理,设定阈值,在阈值中的像素值将变为1(白色部分),阈值为的将变为0(黑色部分)。 二、图像二值化处理步骤: (1)先对彩色图像进行灰度化 //img为原图,imgGray为灰度图 cvtColor(img, ...
  • 图像处理算法中,往往需要把彩色图像转换为灰度图像。图像灰度化是将一幅彩色图像转换为灰度化图像的过程。彩色图像通常包括R、G、B三个分量,分别显示出红绿蓝等各种颜色,灰度化就是使彩色图像的R、G、...
  • 二值图像的腐蚀和膨胀的原理来介绍opencv图像处理 灰度化和二值化 1.1、图像二值化基本原理: 对灰度图像进行处理,设定阈值,在阈值中的像素值将变为1(白色部分),阈值为的将变为0(黑色部分)。 1.2、图...
  • 为了加快处理速度,在图像处理算法中,往往需要把彩色图像转换为灰度图像。 0x00. 灰度图 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的白色的灰度。 灰度图像与黑白图像...
  • 利用python3和OpenCV对图像进行灰度处理,关于图像处理的本质就是对数组的操作,彩色图像是一个三维数组,有长、宽和深度三个参数,灰度图像是一个二维数组,只有长和宽两个参数。 原图如下: 方法一:imread...
  • opencv 灰度图像增强 2010-08-11 11:18:00
    #include "cv.h" #include "highgui.h" #define HDIM 256 // bin of HIST, default = 256 int main( int argc, char** argv ) { IplImage *src = 0, *dst = 0; CvHistogram *hist = 0; ...
  • 灰度图像直方图均衡化,主要步骤: 1. 计算每一个灰度级的概率 2. 计算每一个灰度级的累计概率 3. 计算映射表 4. 将图像像素值通过映射表进行映射 对于直方图均衡化原理,参考博文:直方图均衡化原理 代码实现如下...
  • 程序中包含整个工程文件,使用平台VS2015+OpenCV3.+,操作系统64
  • OpenCV简单的图像灰度 2017-04-15 18:33:47
    OpenCV简单的图像灰度化图像灰度化算是数字图像处理中很简单的操作了,这里使用OpenCV简单尝试一下。
  • Opencv灰度对比度 2020-06-03 23:32:45
    提取感兴趣区,用预先制作的感兴趣区掩模与待处理图像相乘,得到感兴趣区图像,感兴趣区内图像值保持不变,而区外图像值都为0。 屏蔽作用,用掩模对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对...
  • 对图像的灰度处理是图像处理中最重要的一个操作,在对图像进行特征提取时就有提取图像灰度特征的步骤。因而总结一下几种学过的灰度处理方法。 方法一:用imread函数直接调参。参数为0时,图片为灰度图;参数为1时,...
  • 本篇则记录对灰度图像进行一些常规处理。一张图片是由像素点矩阵构成,我们对图片进行操作即为对图片的像素点矩阵进行操作。我们只要在这个像素点矩阵中找到这个像素点的位置,比如第x行,第y列,所以这个像素点在这...
  • opencv-python 图像灰度 2019-12-19 21:28:13
    opencv-python 图像灰度化写在前面读取图像...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。    2. 最大值法 将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。 ...
  • 突然间,遇到这样的问题,需要用新的版本实现图像灰度处理,发现需要访问图像矩阵的数据元素。要找到旧版本的实例比较多,实现的方法介绍也比较多(方法可以参考...
  • 基于开源的opencv,实现一个图像灰度化和二值化。用于后续的图像分割和识别
  • 卷积边缘问题 图像卷积的时候边界像素,不能被卷积操作,原因在于边界像素没有完全跟kernel重叠,所以当3x3滤波时候有1个像素的边缘没有被处理,5x5滤波的时候有2个像素的边缘没有被...openCV中的处理方法常用的有...
  • opencv获取灰度图像直方图 2017-08-04 12:00:05
    图像处理阈值化过程中,通常会通过获得直方图的方式来获取合适的阈值来对图像进行处理。1.灰度图像直方图 原理以及实现方式:在灰度图像中每个像素都以一个0~255的数值与之对应(0(黑);255(白)),这里我们将...
1 2 3 4 5 ... 20
收藏数 24,780
精华内容 9,912