Mahotas - RGB 转灰度

---

---

图像处理中的 RGB 到灰度转换将 RGB 颜色空间中的彩色图像转换为灰度图像。

• RGB 图像由三个颜色通道组成——红色、绿色和蓝色。RGB 图像中的每个像素都由这三个通道的强度值的组合表示，从而产生广泛的颜色范围。
• 另一方面，灰度图像是单通道图像（仅包含（灰色）的阴影），其中每个像素表示原始图像中相应位置的强度。
• 强度值范围从黑色（0）到白色（255），中间是灰色的阴影。

Mahotas 中的 RGB 转灰度转换

在 Mahotas 中，我们可以使用 **colors.rgb2gray()** 函数将 RGB 图像转换为灰度图像。

该函数根据其 RGB 值的加权平均值计算每个像素的灰度强度。

权重反映了人类对颜色的感知，红色权重最高，其次是绿色，然后是蓝色。

mahotas.colors.rgb2gray() 函数

mahotas.colors.rgb2gray() 函数以 RGB 图像作为输入，并返回图像的灰度版本。

生成的灰度图像保留了原始 RGB 图像的结构和整体内容，但缺少颜色信息。

语法

以下是 mahotas 中 rgb2gray() 函数的基本语法：

mahotas.colors.rgb2gray(rgb_image, dtype=float)

其中，

• **rgb_image** - 它是 RGB 颜色空间中的输入图像。

• **dtype（可选）** - 它是返回图像的数据类型（默认为浮点数）。

示例

在以下示例中，我们使用 mh.colors.rgb2gray() 函数将 RGB 图像转换为灰度图像：

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('nature.jpeg')
# Converting it to grayscale
gray_image = mh.colors.rgb2gray(image)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original RGB image
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# Displaying the grayscale image
axes[1].imshow(gray_image, cmap='gray')
axes[1].set_title('Grayscale Image')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

输出

以下是上述代码的输出：

使用 RGB 通道的平均值

我们还可以使用 RGB 通道的平均值将 RGB 图像转换为灰度图像。

将每个像素的红色、绿色和蓝色的强度相加并除以三，即可获得平均强度值。我们可以使用 numpy 库的 mean() 函数实现这一点。

生成的图像将是灰度图像，具有单个通道，其中每个像素表示跨 RGB 通道的平均强度，其中每个颜色通道对整体灰度强度都有同等贡献。

示例

以下示例显示了使用 RGB 通道平均值将 RGB 图像转换为灰度的过程：

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('sun.png')
# Converting it to grayscale
gray_image = np.mean(image, axis=2).astype(np.uint8)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original RGB image
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# Displaying the grayscale image
axes[1].imshow(gray_image, cmap='gray')
axes[1].set_title('Grayscale Image')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

输出

上述代码的输出如下：

使用亮度

亮度是指对象或图像的感知亮度或亮度。

在图像处理中，亮度为每个像素的红色、绿色和蓝色颜色通道分配特定的权重，并将它们组合起来计算灰度强度值。

RGB 颜色空间中的亮度可以使用以下公式计算：

Luminosity = 0.2989 * R + 0.5870 * G + 0.1140 * B

其中，值 **0.2989、0.5870** 和 **0.1140** 分别是分配给红色、绿色和蓝色通道的权重。这些权重来自用于数字显示的标准 Rec.709 颜色空间。

与简单地平均 RGB 通道相比，此方法可产生更好的结果，因为它可以更好地捕捉原始图像的视觉感知。

示例

在这里，我们定义了 RGB 的亮度，以将彩色图像转换为其等效的灰度图像：

import mahotas as mh
import numpy as np
import matplotlib.pyplot as mtplt
# Loading the image
image = mh.imread('tree.tiff')
# Converting it to gray
gray_image = np.dot(image[..., :3], [0.2989, 0.5870, 0.1140]).astype(np.uint8)
# Creating a figure and axes for subplots
fig, axes = mtplt.subplots(1, 2)
# Displaying the original RGB image
axes[0].imshow(image)
axes[0].set_title('RGB Image')
axes[0].set_axis_off()
# Displaying the grayscale image
axes[1].imshow(gray_image, cmap='gray')
axes[1].set_title('Grayscale Image')
axes[1].set_axis_off()
# Adjusting spacing between subplots
mtplt.tight_layout()
# Showing the figures
mtplt.show()

输出

执行上述代码后，我们将获得以下输出：