使用 OpenCV 将图像转换为灰度

---

将图像转换为灰度包括将彩色图像转换为灰度图像。通过使用OpenCV库中的各种方法，我们可以将彩色图像（具有多个颜色通道）转换为灰度图像（具有单个通道）。以下是使用 OpenCV 将图像转换为灰度的一些常用方法。

• cv2.cvtColor()：此函数用于将图像从一个颜色空间转换为另一个颜色空间。

• 像素操作：它涉及手动取颜色通道的平均值以创建灰度图像。

• 去饱和度方法：此方法尝试通过考虑分量的最大值和最小值来保留图像的对比度。

使用 cv2.cvtColor()

cv2.cvtColor() 使用颜色通道的加权和将图像转换为灰度，以反映人类的感知。

示例

在下面的示例代码中，cv2.imread() 函数加载图像，并使用 cv2.cvtColor() 函数将其转换为灰度。

import cv2

# Read the image
image = cv2.imread('apple.jpg')

# Convert the image to grayscale
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Display the grayscale image (optional)
cv2.imshow('Grayscale Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出

输入图像

灰度图像

使用像素操作

这种像素操作方法也称为平均方法，它涉及通过手动计算每个像素的红色、绿色和蓝色通道的强度平均值来计算灰度值。

示例

手动平均是指通过计算每个像素的 B、G 和 R 通道的平均值来计算灰度值。

import cv2
import numpy as np

# Read the image
image = cv2.imread('apple.jpg')

# Manually convert to grayscale using the average method
gray_image = np.zeros(image.shape[:2], dtype='uint8')  

for i in range(image.shape[0]):
   for j in range(image.shape[1]):
      # Calculate the average of the B, G, R values
      gray_image[i, j] = np.mean(image[i, j])

# Display the grayscale image 
cv2.imshow('Grayscale Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出

输入图像

灰度图像

使用去饱和度

此方法取每个像素的红色、绿色和蓝色通道的最大值和最小值的平均值，并通过同时考虑最暗和最亮的分量来保留对比度。

示例

灰度值计算为 gray=Max(R, B, G)+Min(R, B, G)/2。由于其对真实亮度的表示，此方法与cv2.cvtColor()使用的加权方法相比，可能会返回不太准确的灰度图像。

import cv2
import numpy as np

image = cv2.imread('apple.jpg')
max_channel = np.max(image, axis=2)
min_channel = np.min(image, axis=2)
gray_image = ((max_channel + min_channel) / 2).astype(np.uint8)
cv2.imwrite('desaturation_gray_image.jpg', gray_image)

输出

输入图像

灰度图像