机器视觉学习-day02-灰度化实验

彩色图是由RGB三个通道组成，灰度图只有一个通道，也成为单通道图像，所以彩色图转换为灰度图的过程本质就是将RGB三通道合并成一个通道的过程。

灰度化实验的三种方法：最大值法、平均值法、加权平均值法

1 最大值法

最大值法就是从三个通道的值中选择最大值作为灰度后的数值，因此最大值法生成的灰度图会偏亮，适合给较暗的图像使用。

原图名1.png

import cv2  # OpenCV库，用于图像处理
import numpy as np  # NumPy库，用于数值计算和数组操作if __name__ == '__main__':# 1. 图片输入path = '1.jpg'  # 定义图片路径image_np = cv2.imread(path)  # 使用OpenCV读取图片"""cv2.imread()函数：- 参数：图片路径- 返回值：NumPy数组，包含图像的像素数据- 格式：BGR顺序（不是常见的RGB顺序）- 形状：(高度, 宽度, 通道数)"""image_shape = image_np.shape  # 获取图像的形状（尺寸信息）print(image_shape)  # (512, 512, 3)# 打印图像尺寸（例如(512, 512, 3)表示高512像素，宽512像素，3个颜色通道）# 2. 创建存储灰度图的数组# 创建一个全黑的图像数组，尺寸与原图相同，3个通道，数据类型为无符号8位整数（0-255）image_np_gray = np.zeros((image_shape[0], image_shape[1], 3), dtype=np.uint8)"""np.zeros()函数：- 参数1：数组形状 (高度, 宽度, 通道数)- 参数2：数据类型（uint8表示0-255的整数）- 效果：创建一个全0（黑色）的图像数组"""# 3. 使用最大值法进行灰度化# 遍历全局像素"""image_shape==(512, 512, 3)"""for i in range(image_shape[0]):  # 遍历每一行（高度方向）for j in range(image_shape[1]):  # 遍历每一列（宽度方向）# 获取当前像素的BGR值b, g, r = image_np[i, j]  # 解包为三个变量"""图像像素访问：- image_np[i, j] 返回一个包含三个值的数组 [B, G, R]- Python的元组解包：b, g, r = [B, G, R] 分别赋值"""# 最大值法：取三个通道中的最大值作为灰度值max_val = max(b, g, r)  # 使用Python内置的max函数"""最大值法原理：- 对于每个像素，取它的B、G、R三个通道中的最大值- 这样得到的灰度值会使图像整体变亮"""# 将灰度值赋给三个通道image_np_gray[i, j] = [max_val, max_val, max_val]"""为什么赋值三个相同的值？- 显示器显示灰度图像时，需要R、G、B三个通道的值相同- 如果只给一个通道赋值，图像会显示为单色（如红色）"""# 打印处理后图像的形状（应与原图相同）print(image_np_gray.shape)# 4.图片矫正. 图片输出# 显示原始彩色图像cv2.imshow('Original Image', image_np)  # 第一个参数是窗口标题# 显示处理后的灰度图像cv2.imshow('Gray Image (Max Value Method)', image_np_gray)"""cv2.imshow()函数：- 参数1：窗口标题（字符串）- 参数2：要显示的图像数据（NumPy数组）- 注意：OpenCV窗口会自动调整大小以适应图像"""cv2.waitKey(0)  # 等待用户按下任意键（参数0表示无限等待）关闭弹窗"""cv2.waitKey()函数：- 参数：等待时间（毫秒），0表示无限等待- 返回值：按键的ASCII码（但这里不关心返回值）- 功能：保持窗口显示，直到用户按键"""# 保存结果（可选）cv2.imwrite('lena_gray_max_value.png', image_np_gray)"""cv2.imwrite()函数：- 参数1：保存的文件名（包括扩展名）- 参数2：要保存的图像数据- 支持多种图像格式：PNG, JPG等"""

代码运行后：

2 平均法：

平均值法使用三个通道的平均值作为灰度化后的数值，对结果需要进行取整。

# 导入必要的库
import cv2  # OpenCV库，用于图像处理（读取、显示、保存图像）
import numpy as np  # NumPy库，用于高效处理数组和矩阵运算# 程序的主入口（当直接运行此脚本时执行）
if __name__ == '__main__':# 1. 图片输入部分path = '1.jpg'  # 指定要处理的图片路径（图片名为lena.png）image_np = cv2.imread(path)  # 使用OpenCV读取图片"""解释cv2.imread():- 功能：从指定路径读取图像文件- 返回值：一个NumPy数组，包含图像的所有像素数据- 格式：BGR顺序（不是常见的RGB顺序）- 形状：(高度, 宽度, 通道数)"""image_shape = image_np.shape  # 获取图像的形状（尺寸信息）print(f"图像尺寸: {image_shape}")  # 打印图像尺寸（如(512, 512, 3)表示高512像素，宽512像素，3个颜色通道）# 2. 创建用于存储灰度图的数组# 创建一个全黑的图像数组，尺寸与原图相同，3个通道，数据类型为无符号8位整数（0-255）image_np_gray = np.zeros((image_shape[0], image_shape[1], 3), dtype=np.uint8)"""解释np.zeros():- 功能：创建一个指定形状的全零数组- 参数1：(高度, 宽度, 通道数) - 这里使用原图的高度和宽度，3个通道- 参数2：dtype=np.uint8 - 表示每个元素是0-255的整数- 效果：创建一个全黑的图像数组"""# 3. 使用平均法进行灰度化处理# 遍历图像的每一个像素for i in range(image_shape[0]):  # 遍历每一行（高度方向）for j in range(image_shape[1]):  # 遍历每一列（宽度方向）# 获取当前像素的B、G、R值b, g, r = image_np[i, j]  # 将像素的三个通道值分别赋给b,g,r"""解释像素访问：- image_np[i, j] 返回一个包含三个值的数组 [B, G, R]- Python的元组解包：b, g, r = [B, G, R] 分别赋值- 注意：OpenCV使用BGR顺序，不是RGB"""# 平均法：计算B、G、R三个值的平均值作为灰度值avg_val = (int(b) + int(g) + int(r)) // 3  # 使用整数除法（//）避免小数"""平均法原理：- 对于每个像素，计算它的B、G、R三个通道的平均值- 公式：灰度值 = (B + G + R) / 3- 使用整数除法(//)而不是普通除法(/)：- // 是整数除法，结果向下取整（如 100//3=33）- 普通除法会产生小数，需要转换为整数"""# 将灰度值赋给三个通道（使图像显示为灰度）image_np_gray[i, j] = [avg_val, avg_val, avg_val]"""为什么赋值三个相同的值？- 显示器显示灰度图像时，需要R、G、B三个通道的值相同- 如果只给一个通道赋值，图像会显示为单色（如红色）- 三个通道值相同：0=黑色，255=白色，中间值=灰色"""# 打印处理后图像的形状（应与原图相同）print(f"处理后图像尺寸: {image_np_gray.shape}")# 4.图片矫正. 图片输出部分# 显示原始彩色图像cv2.imshow('Original Color Image', image_np)  # 第一个参数是窗口标题# 显示处理后的灰度图像cv2.imshow('Gray Image (Average Method)', image_np_gray)"""解释cv2.imshow():- 功能：在窗口中显示图像- 参数1：窗口标题（字符串）- 参数2：要显示的图像数据（NumPy数组）- 注意：OpenCV窗口会自动调整大小以适应图像"""cv2.waitKey(0)  # 等待用户按下任意键（参数0表示无限等待）"""解释cv2.waitKey():- 功能：等待键盘输入- 参数：等待时间（毫秒），0表示无限等待- 返回值：按键的ASCII码（但这里不关心返回值）- 作用：保持窗口显示，直到用户按键"""# 保存处理结果到文件cv2.imwrite('平均灰度化.png', image_np_gray)"""解释cv2.imwrite():- 功能：将图像保存到文件- 参数1：保存的文件名（包括扩展名，如.png）- 参数2：要保存的图像数据- 支持多种图像格式：PNG, JPG, BMP等"""# 关闭所有OpenCV窗口cv2.destroyAllWindows()"""解释cv2.destroyAllWindows():- 功能：关闭所有由OpenCV创建的窗口- 在程序结束前清理资源""""""    
优化修改：
import cv2
import numpy as npif __name__ == '__main__':# 1. 读取图片path = 'image.jpg'image_np = cv2.imread(path)if image_np is None:print("错误：无法读取图片，请检查路径")exit()print(f"原始图像尺寸: {image_np.shape}")# 2. 使用向量化操作进行灰度化（平均法）# 更高效的方法：直接计算三个通道的平均值gray_vals = np.mean(image_np, axis=2, dtype=np.uint8)# 3. 创建三通道灰度图像image_np_gray = np.stack([gray_vals] * 3, axis=-1)print(f"处理后图像尺寸: {image_np_gray.shape}")# 4.图片矫正. 显示和保存结果cv2.imshow('Original Color Image', image_np)cv2.imshow('Gray Image (Average Method)', image_np_gray)cv2.waitKey(0)cv2.imwrite('平均灰度化.png', image_np_gray)cv2.destroyAllWindows()
"""

3 加权平均值法

使用RGB的加权平均数作为灰度化的数值，RGB的权重系数分别为0.299,0.587,0.114，这个数值是根据人类生物学实验得来的。

import cv2
import numpy as np
import matplotlib.pyplot as pltif __name__ == '__main__':# 1. 图片输入path = 'image.jpg'image_np = cv2.imread(path)image_shape = image_np.shapeprint(image_shape)  # (512, 512, 3)# print(image_np)# 灰度化处理# 初始化灰度图像存储# 2. 三通道图 + 灰度化# 创建一个纯黑图(B,G,R为0)，分辨率相同，用于后续存储灰度后的数据image_np_gray = np.zeros((image_shape[0], image_shape[1], 3), dtype=np.uint8)print(image_np_gray.shape)# 数据拷贝image_np_gray = image_np.copy()# print(image_np_gray)# 三个权重wr = 0.299  # 红色权重wg = 0.587  # 绿色权重wb = 0.114  # 蓝色权重# 遍历全局像素for i in range(image_shape[0]):for j in range(image_shape[1]):# print(i,j)# 加权平均法计算灰度值avg = image_np[i, j][2] * wr + image_np[i, j][1] * wg + image_np[i, j][0] * wb# 通道顺序：# image_np[i, j][0]：蓝色通道（B）# image_np[i, j][1]：绿色通道（G）# image_np[i, j][2]：红色通道（R）# print(avg)avg = int(avg)  # 取整/浮点数改整数# print(avg)# 存储到image_np_gray中image_np_gray[i, j] = avg  # 三通道赋相同值print(image_np_gray.shape)print(image_np_gray)  # 如果BGR三通道的数值相同，表示灰度，但真正的灰度只需要一个通道# 4.图片矫正. 图片输出# plt.imshow(image_np_gray)# plt.title('image_np_gray')# plt.axis('off')# plt.show()# 后续彩图可以直接使用OpenCV展示，CV展示图片会收到系统缩放的影响cv2.imshow('image_np_gray',  # 必须：titleimage_np_gray)  # 展示的图像cv2.waitKey(0)  # 等待按下任意按键关闭弹窗

代码运行结果：

以上是自行所写代码，了解各个灰度化方式的运行代码流程，后续应用时使用下面的代码进行灰度化：这个函数使用的是加权平均法进行的灰度化。

import cv2# 读取彩色图像
image = cv2.imread('image.jpg')  # 替换为你的图像路径# 检查图像是否正确加载
if image is None:print("错误: 无法读取图像，请检查文件路径")exit()# 将BGR图像转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 显示原始图像和灰度图像
cv2.imshow('Original Color Image', image)
cv2.imshow('Grayscale Image', gray_image)# 保存灰度图像
cv2.imwrite('gray_image.jpg', gray_image)# 等待按键后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()