机器视觉学习-day02-灰度化实验

彩色图是由RGB三个通道组成，灰度图只有一个通道，也成为单通道图像，所以彩色图转换为灰度图的过程本质就是将RGB三通道合并成一个通道的过程。

灰度化实验的三种方法：最大值法、平均值法、加权平均值法

1 最大值法

最大值法就是从三个通道的值中选择最大值作为灰度后的数值，因此最大值法生成的灰度图会偏亮，适合给较暗的图像使用。

原图名1.png

import cv2  # OpenCV库，用于图像处理
import numpy as np  # NumPy库，用于数值计算和数组操作

if __name__ == '__main__':
    # 1. 图片输入
    path = '1.jpg'  # 定义图片路径
    image_np = cv2.imread(path)  # 使用OpenCV读取图片
    """
       cv2.imread()函数：
       - 参数：图片路径
       - 返回值：NumPy数组，包含图像的像素数据
       - 格式：BGR顺序（不是常见的RGB顺序）
       - 形状：(高度, 宽度, 通道数)
    """
    image_shape = image_np.shape  # 获取图像的形状（尺寸信息）
    print(image_shape)  # (512, 512, 3)
    # 打印图像尺寸（例如(512, 512, 3)表示高512像素，宽512像素，3个颜色通道）

    # 2. 创建存储灰度图的数组
    # 创建一个全黑的图像数组，尺寸与原图相同，3个通道，数据类型为无符号8位整数（0-255）
    image_np_gray = np.zeros((image_shape[0], image_shape[1], 3), dtype=np.uint8)
    """
      np.zeros()函数：
      - 参数1：数组形状 (高度, 宽度, 通道数)
      - 参数2：数据类型（uint8表示0-255的整数）
      - 效果：创建一个全0（黑色）的图像数组
    """
    # 3. 使用最大值法进行灰度化
    # 遍历全局像素
    """image_shape==(512, 512, 3)"""
    for i in range(image_shape[0]):  # 遍历每一行（高度方向）
        for j in range(image_shape[1]):  # 遍历每一列（宽度方向）

            # 获取当前像素的BGR值
            b, g, r = image_np[i, j]  # 解包为三个变量
            """
            图像像素访问：
            - image_np[i, j] 返回一个包含三个值的数组 [B, G, R]
            - Python的元组解包：b, g, r = [B, G, R] 分别赋值
            """
            # 最大值法：取三个通道中的最大值作为灰度值
            max_val = max(b, g, r)  # 使用Python内置的max函数
            """
            最大值法原理：
            - 对于每个像素，取它的B、G、R三个通道中的最大值
            - 这