數(shù)字圖像處理

在數(shù)字圖像處理中，我們經(jīng)常需要將彩色圖像轉(zhuǎn)換為灰度圖像，以便應(yīng)用各種算法。其中，最簡單的方法是對每個像素的RGB值取平均值，稱為平均灰度化。但這種方式會丟失一些重要的圖像信息，例如亮度和對比度，所以更常見的方式是根據(jù)不同的權(quán)重將RGB值組合成一個灰度值。

讀入圖像，并觀察其通道結(jié)構(gòu)。

對每個像素進(jìn)行灰度化處理。

觀察不同灰度化算法的效果比較。

將灰度化后的圖像輸出和顯示。

通過本文的學(xué)習(xí)，您將了解到如何使用OpenCV庫和基本像素處理方法來對圖像進(jìn)行處理。

圖像讀入和通道結(jié)構(gòu)

在這個例子中，我們使用OpenCV讀入一張文件中默認(rèn)格式的彩色圖像，并查看其通道結(jié)構(gòu)。

import cv2 as cv
import numpy as np
# 讀入彩色圖像
img = cv.imread('test.jpg')
# 獲取圖像通道數(shù)
print("Channels:", img.shape[2])

圖像從左到右依次是紅色、綠色和藍(lán)色通道，每個通道都是8位無符號整數(shù)。如果它們的值相等，這個像素就會有類似灰度的效果。

像素級灰度化處理

在將圖像轉(zhuǎn)換為灰度圖像之前，我們需要先了解一下關(guān)于顏色空間的概念和轉(zhuǎn)換方法。

色彩空間（Color Space）指的是三維坐標(biāo)系統(tǒng)中用來表示顏色的極坐標(biāo)或直角坐標(biāo)系。RGB、HSV和YUV是應(yīng)用廣泛的幾種顏色空間，其中RGB顏色空間用于描述彩色圖像中像素色彩分量的三基色分量。而對于灰度圖像而言，則只考慮亮度（Luminance）分量，也就是RGB三基色分量的平均值：

gray = 0.299R + 0.587G + 0.114B

因此，我們可以使用上述公式將三基色分量帶入到圖像灰度化的計算中。

# 圖像灰度化-平均值法
def gray_avg(img):
    return cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 圖像灰度化-加權(quán)分量法
def gray_weighted(img):
    b, g, r = cv.split(img)
    gray = cv.addWeighted(cv.addWeighted(b, 0.114, g, 0.587, 0), 0.299, r, 0.299, 0)
    return gray

不同算法之間的效果比較

在本例中，我們使用兩種不同的灰度化算法：平均值法和加權(quán)分量法。接下來我們將對這兩種算法進(jìn)行比較。

# 顯示原始圖像
cv.imshow('Original', img)
# 顯示平均值法灰度化效果
gray = gray_avg(img)
cv.imshow('Average Gray', gray)
# 顯示加權(quán)分量法灰度化效果
gray_weighted = gray_weighted(img)
cv.imshow('Weighted Gray', gray_weighted)
cv.waitKey(0)
cv.destroyAllWindows()

圖像灰度化的輸出和顯示

最后，我們可以將灰度化后的圖像保存為新文件，并在窗口中顯示。

# 寫入灰度化后結(jié)果
cv.imwrite('gray_image.jpg', gray_weighted)
# 在窗口中顯示結(jié)果
cv.imshow('Weighted Gray', gray_weighted)
cv.waitKey(0)
cv.destroyAllWindows()

除了保存和顯示灰度化后的圖像外，我們還可以觀察到在平均值法和加權(quán)分量法之間各自產(chǎn)生的效果，在原始圖像上可以查看與理解像素值的變化。

以上就是詳解如何使用OpenCV和像素處理圖像灰度化的詳細(xì)內(nèi)容，更多關(guān)于OpenCV 像素圖像灰度化的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論