Python圖像處理丨基于OpenCV和像素處理的圖像灰度化處理

摘要：本篇文章講解圖像灰度化處理的知識，結合OpenCV調用cv2.cvtColor()函數實現圖像灰度操作，使用像素處理方法對圖像進行灰度化處理。

本文分享自華為云社區《[Python圖像處理] 十四.基于OpenCV和像素處理的圖像灰度化處理》，作者： eastmount 。

專注于為中小企業提供網站設計制作、網站設計服務,電腦端+手機端+微信端的三站合一,更高效的管理,為中小企業云城免費做網站提供優質的服務。我們立足成都，凝聚了一批互聯網行業人才，有力地推動了1000+企業的穩健成長，幫助中小企業通過網站建設實現規模擴充和轉變。

本篇文章講解圖像灰度化處理的知識，結合OpenCV調用cv2.cvtColor()函數實現圖像灰度操作，使用像素處理方法對圖像進行灰度化處理。基礎性知識希望對您有所幫助。

• 1.圖像灰度化原理
• 2.基于OpenCV的圖像灰度化處理
• 3.基于像素操作的圖像灰度化處理

一.圖像灰度化原理

像灰度化是將一幅彩色圖像轉換為灰度化圖像的過程。彩色圖像通常包括R、G、B三個分量，分別顯示出紅綠藍等各種顏色，灰度化就是使彩色圖像的R、G、B三個分量相等的過程。灰度圖像中每個像素僅具有一種樣本顏色，其灰度是位于黑色與白色之間的多級色彩深度，灰度值大的像素點比較亮，反之比較暗，像素值最大為255（表示白色），像素值最小為0（表示黑色）。

假設某點的顏色由RGB(R,G,B)組成，常見灰度處理算法如表7.1所示：

表7.1中Gray表示灰度處理之后的顏色，然后將原始RGB(R,G,B)顏色均勻地替換成新顏色RGB(Gray,Gray,Gray)，從而將彩色圖片轉化為灰度圖像。

一種常見的方法是將RGB三個分量求和再取平均值，但更為準確的方法是設置不同的權重，將RGB分量按不同的比例進行灰度劃分。比如人類的眼睛感官藍色的敏感度最低，敏感最高的是綠色，因此將RGB按照0.299、0.587、0.144比例加權平均能得到較合理的灰度圖像，如公式7.1所示。

二.基于OpenCV的圖像灰度化處理

在日常生活中，我們看到的大多數彩色圖像都是RGB類型，但是在圖像處理過程中，常常需要用到灰度圖像、二值圖像、HSV、HSI等顏色，OpenCV提供了cvtColor()函數實現這些功能。其函數原型如下所示：

dst = cv2.cvtColor(src, code[, dst[, dstCn]])

• src表示輸入圖像，需要進行顏色空間變換的原圖像
• dst表示輸出圖像，其大小和深度與src一致
• code表示轉換的代碼或標識
• dstCn表示目標圖像通道數，其值為0時，則有src和code決定

該函數的作用是將一個圖像從一個顏色空間轉換到另一個顏色空間，其中，RGB是指Red、Green和Blue，一副圖像由這三個通道（channel）構成；Gray表示只有灰度值一個通道；HSV包含Hue（色調）、Saturation（飽和度）和Value（亮度）三個通道。在OpenCV中，常見的顏色空間轉換標識包括CV_BGR2BGRA、CV_RGB2GRAY、CV_GRAY2RGB、CV_BGR2HSV、CV_BGR2XYZ、CV_BGR2HLS等。

下面是調用cvtColor()函數將圖像進行灰度化處理的代碼。

#encoding:utf-8
import cv2  
import numpyas np  
#讀取原始圖片
src= cv2.imread('miao.png')
#圖像灰度化處理
grayImage= cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
#顯示圖像
cv2.imshow("src", src)
cv2.imshow("result", grayImage)
#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

標題名稱：Python圖像處理丨基于OpenCV和像素處理的圖像灰度化處理
文章鏈接：http://m.kartarina.com/article22/dsogicc.html

成都網站建設公司_創新互聯，為您提供網站營銷、、App設計、網站內鏈、響應式網站、網頁設計公司

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯