java opencv 灰度 opencv灰度化

灰度图像

灰度化，在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。

图像的灰度化一般作为图像的预处理步骤，为之后更复杂的图像处理做准备。另一方面，将图像灰度化也可以作为一个简常见的滤镜效果。

灰度化方法

一般将图像灰度化由分量法、最大值法、平均值发以及加权平均法4种。

图 1：bowl-of-fruit-in-rain-4125348_640

1-分量法

分量法是指将图像的三种分量的亮度值（灰度值）作为三个图像的灰度值的方法，可以根据需要选择应用哪一个分量产生的灰度图像。该方法的公式原理如下：

图 2：分量法

代码实现

// channel graying | 分量法
enum enumRGB { R = 1, G = 2, B = 3 };
cv::Mat channelGraying(cv::Mat src_image, enumRGB channel)
{
    cv::Mat gray_image(src_image.size(), CV_8UC1);

    switch (channel)
    {
    case R:
        for (size_t i = 0; i < src_image.rows; i++)
        {
            for (size_t j = 0; j < src_image.cols; j++)
            {
                gray_image.at<uchar>(i, j) = src_image.at<cv::Vec3b>(i, j)[2];
            }
        }

        break;
    case G:
        for (size_t i = 0; i < src_image.rows; i++)
        {
            for (size_t j = 0; j < src_image.cols; j++)
            {
                gray_image.at<uchar>(i, j) = src_image.at<cv::Vec3b>(i, j)[1];
            }
        }

    case B:
        for (size_t i = 0; i < src_image.rows; i++)
        {
            for (size_t j = 0; j < src_image.cols; j++)
            {
                gray_image.at<uchar>(i, j) = src_image.at<cv::Vec3b>(i, j)[0];
            }
        }
        break;
    default:
        assert(false);
        break;
    }

    return gray_image;
}

运行代码效果

图 3：分量法灰度化效果

2-最大值法

最大值法为，选取三个分量中亮度值（灰度值）最大的作为灰度图像的灰度值。该方法公式原理如下：

图 4：最大值法

代码实现

// max value graying | 最大值灰度化
cv::Mat maxValueGraying(cv::Mat src_image)
{
    cv::Mat gray_image(src_image.size(), CV_8UC1);

    for (size_t i = 0; i < src_image.rows; i++)
    {
        for (size_t j = 0; j < src_image.cols; j++)
        {
            gray_image.at<uchar>(i, j) = std::max(
                src_image.at<cv::Vec3b>(i, j)[0],
                std::max(
                    src_image.at<cv::Vec3b>(i, j)[1],
                    src_image.at<cv::Vec3b>(i, j)[2]
                )
            );

        }
    }

    return gray_image;
}

运行代码效果

图 5：最大值法灰度化效果

3-平均值法

平均值法为，将三个分量的灰度值求取平均值作为灰度图像的灰度值。该方法的公式原理为：

图 6：平均值法

代码实现

// average value garying | 平均值法
cv::Mat avergaeValueGraying(cv::Mat src_image)
{
    cv::Mat gray_image(src_image.size(), CV_8UC1);

    for (size_t i = 0; i < src_image.rows; i++)
    {
        for (size_t j = 0; j < src_image.cols; j++)
        {
            gray_image.at<uchar>(i, j) = (src_image.at<cv::Vec3b>(i, j)[0] + src_image.at<cv::Vec3b>(i, j)[1] + src_image.at<cv::Vec3b>(i, j)[1]) / 3;
                
        }
    }

    return gray_image;
}

图 7：平均值法灰度化效果

4-加权平均法

根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。

图 8：加权平均法

代码实现

// weighted average graying| 加权平均法
cv::Mat weightedAvergaeGraying(cv::Mat src_image)
{
    cv::Mat gray_image(src_image.size(), CV_8UC1);

    for (size_t i = 0; i < src_image.rows; i++)
    {
        for (size_t j = 0; j < src_image.cols; j++)
        {
            gray_image.at<uchar>(i, j) = 0.11 * src_image.at<cv::Vec3b>(i, j)[0] + 0.59*src_image.at<cv::Vec3b>(i, j)[1] + 0.30 * src_image.at<cv::Vec3b>(i, j)[2];

        }
    }

    return gray_image;
}

图 9：加权平均法灰度化效果

opencv灰度化图像方法

opencv实现图像的灰度化非常简单，有两种方法。

方法1，再读取图片的时候以灰度图像的方式读取图片

cv::Mat gray_image = cv::imread("test.jpg", 0)

方法2， 利用cvColor函数转换

cv::cvtColor(rgbMat, grayMat, CV_BGR2GRAY); //opencv2.x
cv::cvtColor(rgbMat, grayMat, COLOR_BGR2GRAY); //opencv3.x