圖片處理-opencv-8.圖像灰度化

圖像灰度化

圖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帚屉、G谜诫、B三個分量,分別顯示出紅綠藍等各種顏色涮阔,灰度化就是使彩色圖像的R漾唉、G处硬、B三個分量相等的過程《痉眩灰度圖像中每個像素僅具有一種樣本顏色牺陶,其灰度是位于黑色與白色之間的多級色彩深度伟阔,灰度值大的像素點比較亮,反之比較暗掰伸,像素值最大為255(表示白色)皱炉,像素值最小為0(表示黑色)

常見灰度處理算法如下表所示:


image.png

在圖像處理過程中,常常需要用到灰度圖像狮鸭、二值圖像合搅、HSV、HSI等顏色歧蕉,OpenCV提供了cvtColor()函數實現這些功能灾部。

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表示輸出圖像惯退,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赌髓,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催跪,其中锁蠕,RGB是指Red、Green和Blue懊蒸,一副圖像由這三個通道(channel)構成荣倾;Gray表示只有灰度值一個通道;HSV包含Hue(色調)骑丸、Saturation(飽和度)和Value(亮度)三個通道舌仍。在OpenCV中妒貌,常見的顏色空間轉換標識包括CV_BGR2BGRACV_RGB2GRAY抡笼、CV_GRAY2RGB苏揣、CV_BGR2HSVCV_BGR2XYZ推姻、CV_BGR2HLS

import cv2
import numpy as np
import matplotlib.pyplot as plt

#讀取原始圖像
img_BGR = cv2.imread('data/test3.jpg')

#BGR轉換為RGB
img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)

#灰度化處理
img_GRAY = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2GRAY)

#BGR轉HSV
img_HSV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HSV)

#BGR轉YCrCb
img_YCrCb = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YCrCb)

#BGR轉HLS
img_HLS = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2HLS)

#BGR轉XYZ
img_XYZ = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2XYZ)

#BGR轉LAB
img_LAB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2LAB)

#BGR轉YUV
img_YUV = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2YUV)

#調用matplotlib顯示處理結果
titles = ['BGR', 'RGB', 'GRAY', 'HSV', 'YCrCb', 'HLS', 'XYZ', 'LAB', 'YUV']
images = [img_BGR, img_RGB, img_GRAY, img_HSV, img_YCrCb, img_HLS, img_XYZ, img_LAB, img_YUV]
plt.figure(figsize=(10, 10))
for i in range(9):
    plt.subplot(3, 3, i + 1), plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()
image.png
?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末平匈,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子藏古,更是在濱河造成了極大的恐慌增炭,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,639評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件拧晕,死亡現場離奇詭異隙姿,居然都是意外死亡,警方通過查閱死者的電腦和手機厂捞,發(fā)現死者居然都...
    沈念sama閱讀 90,277評論 3 385
  • 文/潘曉璐 我一進店門输玷,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人靡馁,你說我怎么就攤上這事欲鹏。” “怎么了臭墨?”我有些...
    開封第一講書人閱讀 157,221評論 0 348
  • 文/不壞的土叔 我叫張陵赔嚎,是天一觀的道長。 經常有香客問我胧弛,道長尤误,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,474評論 1 283
  • 正文 為了忘掉前任结缚,我火速辦了婚禮损晤,結果婚禮上,老公的妹妹穿的比我還像新娘掺冠。我一直安慰自己沉馆,他們只是感情好,可當我...
    茶點故事閱讀 65,570評論 6 386
  • 文/花漫 我一把揭開白布德崭。 她就那樣靜靜地躺著斥黑,像睡著了一般。 火紅的嫁衣襯著肌膚如雪眉厨。 梳的紋絲不亂的頭發(fā)上锌奴,一...
    開封第一講書人閱讀 49,816評論 1 290
  • 那天,我揣著相機與錄音憾股,去河邊找鬼鹿蜀。 笑死箕慧,一個胖子當著我的面吹牛,可吹牛的內容都是我干的茴恰。 我是一名探鬼主播颠焦,決...
    沈念sama閱讀 38,957評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼往枣!你這毒婦竟也來了伐庭?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 37,718評論 0 266
  • 序言:老撾萬榮一對情侶失蹤分冈,失蹤者是張志新(化名)和其女友劉穎圾另,沒想到半個月后,有當地人在樹林里發(fā)現了一具尸體雕沉,經...
    沈念sama閱讀 44,176評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡集乔,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,511評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現自己被綠了坡椒。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片扰路。...
    茶點故事閱讀 38,646評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖倔叼,靈堂內的尸體忽然破棺而出幼衰,到底是詐尸還是另有隱情,我是刑警寧澤缀雳,帶...
    沈念sama閱讀 34,322評論 4 330
  • 正文 年R本政府宣布,位于F島的核電站梢睛,受9級特大地震影響肥印,放射性物質發(fā)生泄漏。R本人自食惡果不足惜绝葡,卻給世界環(huán)境...
    茶點故事閱讀 39,934評論 3 313
  • 文/蒙蒙 一深碱、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧藏畅,春花似錦敷硅、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至榜旦,卻和暖如春幽七,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背溅呢。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評論 1 266
  • 我被黑心中介騙來泰國打工澡屡, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留猿挚,地道東北人。 一個月前我還...
    沈念sama閱讀 46,358評論 2 360
  • 正文 我出身青樓驶鹉,卻偏偏與公主長得像绩蜻,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子室埋,可洞房花燭夜當晚...
    茶點故事閱讀 43,514評論 2 348

推薦閱讀更多精彩內容