图像处理：完成一幅图像的灰度化处理

最新推荐文章于 2024-12-24 22:29:59 发布

原创最新推荐文章于 2024-12-24 22:29:59 发布 · 2.2k 阅读

5 ·

CC 4.0 BY-SA版权

python 同时被 2 个专栏收录

37 篇文章

订阅专栏

图像处理

35 篇文章

订阅专栏

本文详细介绍使用Python的OpenCV库进行图像灰度化处理的四种方法：直接读取为灰度图、颜色空间转换、RGB均值计算及心理学公式应用，并探讨了优化算法以提高处理效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#完成图像灰度化的处理
import cv2
import numpy as np
#方法1：读入参数调整去灰度图
img0 = cv2.imread('image0.jpg', 0)
img1 = cv2.imread('image0.jpg', 1)
print(img0.shape)
print(img1.shape)
#图像展示
cv2.imshow('src', img0)
cv2.waitKey(0)
#方法2：颜色空间转换，其中第一个参数是读入数据，另一个是转换颜色模式
img3 = cv2.imread('image0.jpg', 1)
dst = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#展示图像
cv2.imshow('src',dst)
cv2.waitKey(0)

img = cv2.imread('image0.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
#设置一张空白的画布
dst = np.zeros((height, width, 3), np.uint8)
#第三种方法是：三种通道颜色深度的均值
for i in range(1,height):
    for j in range(0,width):
        (b, g, r) = img[i, j]
        gray = (int(b) + int(g) +int(r)) / 3
        dst[i, j] = np.uint(gray)
        #第四个：使用心理学公式的均值
        b = int(b)
        g = int(g)
        r = int(r)
        gray2 = (r*0.299+g*0.587+r*0.114)
        dst[i, j] = np.uint8(gray)
cv2.imshow('dst', dst)
cv2.waitKey(0)

#灰度转化算法优化
#一般来说，定点大于浮点，加法大于乘法等,也可以根据精度除以100之类的数，要注意各颜色通道比例
gray =  (r*1 + 2*g +b*1)/4
#进行位运算可以加快运算速度
gray = (r+ (g<<1)+b) >>2