数字图像处理：灰度化-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

你有没有想过图像编辑软件中的方法如何改变图像的外观？或者你正在寻找一种使用灰度图像的简单方法？

本文将重点介绍数字图像处理的基本知识，并介绍一种可用于图像灰度化的Python方法。

什么是数字图像处理？

数字图像处理是指使用数字计算机处理图像。

例如，数字图像处理可用于改变图像的亮度或对比度，或扫描图像以找到特定图案，例如面部或对象。数字图像由包含表示图像强度的数字的像素组成。

例如，图1显示了一个表示图像中数据的表格。y的长度取决于图像的高度，x的长度取决图像的宽度。用于指定强度的数字范围取决于它可以存储的位数。8位图像可以存储256种颜涩，而1位图像可以保存2种颜涩。

什么是灰度图像？

灰度图像是由灰度阴影组成的图像。它可以存储8位，强度是黑白对比度。图2显示了将图像转换为灰度的示例。

图2：从原始版本到灰度版本的转换的可视化。

程序

1.圆形图像的高度和宽度。

2.通过光度法计算每个像素的强度：

强度=0.299×r＋0.587×g＋0.114×b

3.将像素设置为新的强度。

Python方法

定义rgb_至_灰度(图像)：

对于范围内的y(image.shape[0])：

对于范围内的x(image.shape[1])：

值＝(0.299＊图像〔y，x，0〕)＋

图像〔y，x〕＝值

代码描述

·Def rgb_to_grayscale(image)：定义一个接受名为image的参数的方法。

·对于范围内的y(image.shape[0])：圆形图像的高度

·对于范围内的x(image.shape[1])：圆形图像的宽度

·值=(0.299*图像[y，x，0])+(0.587*图像[y，x，1])+

·图像[y，x]=value将像素设置为新的强度

如何使用该方法

有很多方法可以将图像加载到Python中。以下示例使用OpenCV。

要导入OpenCV，必须安装OpenCV Python库。在终端中输入以下命令以安装库：

$pip安装opencv－python

OpenCV是一个用于计算机视觉和机器学习的库，因此它也可以用于对图像进行灰度化。但是，由于本文重点介绍了实际的灰度化方法，因此该库仅用于加载.调整大小和显示图像。

导入cv2

定义rgb_至_灰度(图像)：

＃ ．．．

＃使用cv2加载和调整图像大小

image＝cv2.imread(“＜path－to－image.png＞”)

image＝cv2.resize(image，(256，256)，插值＝cv2.INTER_ AREA)

图像＝cv2.cvtColor(图像，cv2.COLOR_BGR2RGB)

＃将图像转换为灰度

rgb_至_灰度(图像)

＃显示图像

cv2.imshow(图像)

代码描述

·导入cv2：导入OpenCV

·Image＝cv2.imread(“＜Image.png路径”＞)：将图像加载为BGR

·Image=cv2.resize(Image，(256256)，interpolation=cv2.INTER_AREA)：调整图像大小

·Image=cv2.cvtColor(Image，cv2.COLOR_BGR2RGB)：将图像从BGR转换为RGB

·Rgb_to_grayscale(image)：使用先前定义的灰度方法对图像进行灰度化

·Cv2.imshow(image)：显示图像摘要

数字图像处理用于处理图像，例如扫描对象或实现不同类型的过滤器。图像可以存储的位数指定了它可以显示的颜涩数。灰度图像是转换为灰度的图像。亮度方法可用于使图像灰度化。OpenCV可用于加载.调整大小.转换图像的颜涩空间以及许多其他与图像处理相关的操作。

参考资源

En.wikipedia.org.2022a.Grayscale-维基百科。〔在线〕可访问：＜https:／En.wiki百科.org／wiki／Grayscale>〔2022年4月23日访问〕。

En.wikipedia.org.2022b.数字图像处理-维基百科。〔在线〕可访问：＜https:／En.wiki百科.org／wiki／Digital＿image＿processing＞〔2022年4月23日访问〕。

En.wikipedia.org.2022c.Digital image-wikipedia.〔在线〕网址：＜https:／／En.wikiedia.org／wiki／Digital_ image＞〔2022年4月24日访问〕。

En.wikipedia.org.2022d.Color depth-wikipedia.〔在线〕可访问：＜https:／En.wikipatia.org／wiki／Color＿depth＞〔2022年4月24日访问〕。

Opencv.org.2022.关于-Opencv.〔在线〕网址：＜https:／Opencv.org／About／＞〔2022年4月24日访问〕。