图像的灰度化、二值化

1、图像像素点

2、灰度化

3、二值化

4、使用open cv库进行图片的灰度化、二值化

4.1、将图片转换为灰度图

4.2、将灰度图转换为二值化图图片

1、图像像素点

在图像处理中，用RGB三个分量（R：Red，G：Green，B：Blue），即红、绿、蓝三原色来表示真彩色，R分量，G分量，B分量的取值范围均为0~255，比如电脑屏幕上的一个红色的像素点的三个分量的值分别为：255，0，0。

如下面几个常用的颜色真彩值：

颜色名称	R	G	B
黑色	0	0	0
蓝色	0	0	255
绿色	0	255	0
红色	255	0	0
黄色	255	255	0
白色	255	255	255

2、灰度化

什么叫图片的灰度化呢？灰度化就是让像素点矩阵中的每一个像素点都满足下面的关系：R=G=B （就是红色变量的值，绿色变量的值，和蓝色变量的值，这三个值相等，“=”的意思不是程序语言中的赋值，是数学中的相等）此时的这个值叫做灰度值。

图像灰度化常用的算法：

算法名	实现
Rec601Luma	0.298839R' + 0.586811G'+ 0.114350B'
Rec601Luminance	0.298839R + 0.586811G + 0.114350B
Rec709Luma	0.212656R' + 0.715158G' + 0.072186B'
Rec709Luminance	0.212656R + 0.715158G + 0.072186B
Brightness	max(R', G', B')
Lightness	(min(R', G', B') + max(R', G', B')) / 2.0
Average	(R' + G' + B') / 3.0
MS	(R'^2 + G'^2 + B'^2) / 3.0
RMS	sqrt( (R'^2 + G'^2 + B'^2) / 3.0 )

也可以借助工具包或者工具使用图像灰度化。如python中的PIL、Open cv、自定义算法等

convert()函数，用于不同模式图像之间的转换。

PIL中有九种不同模式，分别为1，L，P，RGB，RGBA，CMYK，YCbCr，I，F。我主要尝试了1和L。

from PIL import Image as image
import matplotlib.pyplot as plt
import numpy as np

# 显示原始图
img = image.open('data/dog.jpg')
img# 获取图像数据的方法
img_list = np.array(img.getdata())
img_list.shaep# 显示原始图
img = image.open('data/dog.jpg')
plt.imshow(img)

convert()函数，用于不同模式图像之间的转换。

PIL中有九种不同模式，分别为1，L，P，RGB，RGBA，CMYK，YCbCr，I，F。我主要尝试了1和L。

L:模型的算法公式：Rec601Luminance = 0.298839R + 0.586811G + 0.114350B

new_im = img.convert('L')
plt.imshow(new_im)

new_im = img.convert('I')
plt.imshow(new_im)

自定义转换算法 Rec601Luminance = 0.298839R + 0.586811G + 0.114350B

im = np.array(img)
im[:,:,0] = im[:,:,0]*0.3
im[:,:,1] = im[:,:,1]*0.59
im[:,:,2] = im[:,:,2]*0.11
im = np.sum(im, axis=2)
plt.imshow(im)

3、二值化

什么叫图像的二值化？二值化就是让图像的像素点矩阵中的每个像素点的灰度值为0（黑色）或者255（白色），也就是让整个图像呈现只有黑和白的效果。

灰度化的图像中灰度值的范围为0~255
在二值化后的图像中的灰度值范围是0或者255。

from PIL import Image as image
import matplotlib.pyplot as plt
import numpy as np

img = image.open('data/dog.jpg')# 二值化函数
def binary_scale():    img = image.open('data/dog.jpg')Img = img.convert('L') # PIL有九种不同模式: 1，L，P，RGB，RGBA，CMYK，YCbCr，I，F。这里选择L灰度模式threshold = 200   # 设定的阈值table = np.where(( np.array(range(0, 256)))>threshold,1,0)photo = Img.point(table, '1')plt.imshow(photo)binary_scale()

4、使用open cv库进行图片的灰度化、二值化

import cv2 as cvimg = cv.imread('data/dog.jpg')
img.shape# 并不是在编辑器内打开图片，会新开一个窗口打开图片
cv.imshow("image", img)
# 不写这一句，图片会一闪而过。参数0表示一直等待
cv.waitKey(0)

4.1、将图片转换为灰度图

# 将图片转换为灰度图
img_gray = cv.cvtColor(img, cv.COLOR_RGB2GRAY)
img_gray.shape
cv.imshow('img_gray',img_gray)
cv.waitKey(0)

4.2、将灰度图转换为二值化图图片

# 1、固定阈值二值化
ret,im_at_fixed = cv.threshold(img_gray, 200, 255, cv.THRESH_BINARY)
plt.imshow(im_at_mean,cmap='gray')

# 2、算术平法的自适应二值化
im_at_mean = cv.adaptiveThreshold(img_gray, 255, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 11, 8)
plt.imshow(im_at_mean,cmap='gray')

# 3、高斯加权均值法自适应二值化
im_at_mean = cv.adaptiveThreshold(img_gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 11, 8)
plt.imshow(im_at_mean,cmap='gray')