OpenCV+Tensorflow 人工智能图像处理（十八）—— 灰度化及优化

最新推荐文章于 2025-06-18 19:27:02 发布

原创最新推荐文章于 2025-06-18 19:27:02 发布 · 548 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

python 专栏收录该内容

56 篇文章

订阅专栏

本文介绍使用OpenCV进行图像处理的方法，特别是将彩色图像转换为灰度图像的不同技术。包括直接读取灰度图像、通过计算平均值或加权平均值进行灰度化，并探讨了不同灰度化方法对图像质量和处理速度的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import cv2
img0 = cv2.imread('car.jpg', 0)  #0表示灰度
img1 = cv2.imread('car.jpg', 1)  #1表示彩色
print(img0.shape)
print(img1.shape)
cv2.imshow('src', img0)
cv2.waitKey(0)

import cv2
img1 = cv2.imread('car.jpg', 1)  #1表示彩色
dst = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)   #颜色空间转换
cv2.imshow('dst', dst)
cv2.waitKey(0)

#灰度图像的像素点rgb相等：R=G=B   =   gray
import cv2
import numpy as np
img = cv2.imread('car.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height, width, 3), np.uint8)
for i in range(0, height):
    for j in range(0, width-100):
        (b,g,r) = img[i,j]      #读取像素点的像素值
        gray = (int(b) + int(g) + int(r))/3  #灰度化
        dst[i, j] = np.uint8(gray)
cv2.imshow('dst',dst)
cv2.waitKey(0)

#灰度图像可看做像素点的像素值分别乘以一个系数在相加，系数之和为1
import cv2
import numpy as np
img = cv2.imread('car.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height, width, 3), np.uint8)
for i in range(0, height):
    for j in range(0, width-100):
        (b,g,r) = img[i,j]      #读取像素点的像素值
        gray = (int(b)*0.299 + int(g)*0.587 + int(r)*0.114)  #灰度化
        dst[i, j] = np.uint8(gray)
cv2.imshow('dst',dst)
cv2.waitKey(0)

#运算速度：定点操作比浮点操作快，加减操作比乘除操作快，移位操作更快

import cv2
import numpy as np
img = cv2.imread('car.jpg', 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
dst = np.zeros((height, width, 3), np.uint8)
for i in range(0, height):
    for j in range(0, width):
        (b,g,r) = img[i,j]      #读取像素点的像素值
        gray = (int(b)*1 + int(g)*2 + int(r)*1)/4  #浮点变定点
        #gray = (int(b) + int(g) << 1 + int(r)) >> 2  #定点变移位（但是没运行出来）
        dst[i, j] = np.uint8(gray)
cv2.imshow('dst',dst)
cv2.waitKey(0)