圖像灰度化

什么是圖像灰度化？

圖像灰度化并不是將單純的圖像變成灰色，而是將圖片的BGR各通道以某種規律綜合起來，使圖片顯示位灰色。
規律如下：

手動實現灰度化

首先我們采用手動灰度化的方式：
其思想就是：
先創建一個跟原來長寬一樣的空白圖片，然后將原圖片中圖片各個像素按照下面公式填入圖片中，實現灰度化。

import cv2 import numpy as np from skimage.color import rgb2gray from PIL import Image import matplotlib.pyplot as pltimg = cv2.imread("lenna.png") #opencv讀取圖像 #img = plt.imread("lenna.png") #matlab讀取圖像 h,w = img.shape[:2] #讀出圖像的長寬 img_gray = np.zeros([h,w],img.dtype) #創建一個與當前圖像相同長寬的單通道圖片 for i in range(h):for j in range(w):m = img[i,j]img_gray[i,j] = int(m[0]*0.11+m[1]*0.59+m[2]*0.3) #將CV讀取的BGR轉化為gray值給新圖像print(img_gray) cv2.imshow('gray picture ',img_gray) #cv展示灰色圖像 cv2.waitKey (0) #如果不寫等待時間，圖像會一閃而過

skimage實現圖像灰度化

img = cv2.imread("lenna.png") img_gray = rgb2gray(img) cv2.imshow('gray picture ',img_gray) cv2.waitKey (0)

opencv實現圖像灰度化

img = cv2.imread("lenna.png") img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#用opencv輸出 cv2.imshow('gray picture ',img_gray) cv2.waitKey (0)#用plt輸出：這里要注意，cmap為顏色圖譜，默認為RGB(A)顏色空間，也可以指定，gray是灰度圖，若cmap為其他會造成色差 plt.imshow(img_gray,cmap="gray") plt.show()

圖像二值化

什么是圖像二值化？

所謂圖像二值化，就是將圖像中像素點的值取其中間值，若大于中間值，則將該像素點的值設為最大值，若小于中間值，則把該像素點設為最小值。使整個圖片最后只存在兩個值：最大值和最小值。

手動實現二值化

img = plt.imread("lenna.png") img_gray = rgb2gray(img) #這里還是要先灰度化 rows, cols = img_gray.shape for i in range(rows):for j in range(cols):if (img_gray[i, j] <= 0.5):img_gray[i, j] = 0else:img_gray[i, j] = 1plt.imshow(img_gray,cmap="gray") plt.show()

numpy實現圖像二值化

img = plt.imread("lenna.png") img_gray = rgb2gray(img)#這里還是要先灰度化img_binary = np.where(img_gray >= 0.5, 1, 0) plt.imshow(img_binary,cmap="gray") plt.show()

opencv實現圖像二值化

img = cv2.imread("lenna.png") img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#這里還是要先灰度化cv2.threshold(img_gray,127,255,0,img_gray) cv2.imshow('img_binary',img_gray) cv2.waitKey(0)

全部代碼與實現結果：

全部代碼：

import cv2 import numpy as np from skimage.color import rgb2gray from PIL import Image import matplotlib.pyplot as plt""" 手動實現圖像灰度化 """img = cv2.imread("lenna.png") #opencv讀取圖像 #img = plt.imread("lenna.png") #matlab讀取圖像 h,w = img.shape[:2] #讀出圖像的長寬 img_gray = np.zeros([h,w],img.dtype) #創建一個與當前圖像相同長寬的單通道圖片 for i in range(h):for j in range(w):m = img[i,j]img_gray[i,j] = int(m[0]*0.11+m[1]*0.59+m[2]*0.3) #將CV讀取的BGR轉化為gray值給新圖像,注意：這個公式是內定的print(img_gray) cv2.imshow('gray picture ',img_gray) #cv展示灰色圖像 cv2.waitKey (0) #如果不寫等待時間，圖像會一閃而過""" skimage實現圖像灰度化 """img = cv2.imread("lenna.png") img_gray = rgb2gray(img) cv2.imshow('gray picture ',img_gray) cv2.waitKey (0)""" opencv實現圖像灰度化 """img = cv2.imread("lenna.png") img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#用opencv輸出 cv2.imshow('gray picture ',img_gray) cv2.waitKey (0)plt.imshow(img_gray,cmap="gray") plt.show()""" 手動圖像二值化 """ img = plt.imread("lenna.png") img_gray = rgb2gray(img) rows, cols = img_gray.shape for i in range(rows):for j in range(cols):if (img_gray[i, j] <= 0.5):img_gray[i, j] = 0else:img_gray[i, j] = 1plt.imshow(img_gray,cmap="gray") plt.show()""" numpy實現圖像二值化 """ img = plt.imread("lenna.png") img_gray = rgb2gray(img) img_binary = np.where(img_gray >= 0.5, 1, 0) plt.imshow(img_binary,cmap="gray") plt.show()""" opencv實現圖像二值化 """img = cv2.imread("lenna.png") img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) cv2.threshold(img_gray,127,255,0,img_gray) cv2.imshow('img_binary',img_gray) cv2.waitKey(0)

實現結果：

原圖：

灰度化：

二值化：

思考與問題：

1.二值化中plt與cv閾值不同問題：

在plt讀取圖像之后，圖像的每一個像素值都在[0,1]之間，在之后的cv2讀取的圖像，每一個像素值在[0，255]之間，所以在二值化時，plt是閾值為0.5，像素值分成0或1，而cv2中閾值是127，像素值分為0或255。

2.plt與cv交叉讀取數據會出現圖像失真問題：

因為 opencv 的接口使用BGR模式，而 matplotlib.pyplot 接口使用的是RGB模式
解決方法是：
在cv輸入圖像后把通道順序變換一下,就在cv2.imread輸入后面添加

b, g, r = cv2.split(img) img = cv2.merge([r, g, b])

3.在灰度化和二值化圖像用plt輸出的時候必須添加cmap = ‘gray’，如果圖像會失真

用plt輸出中cmap為顏色圖譜，默認為RGB(A)顏色空間，也可以指定，gray是灰度圖，若cmap為其他會造成色差

4.CV或者plt打印圖像時很快消失：

無論誰cv輸出還是plt輸出的最后的結尾都需要加上cv.waitkey(0)或者plt.show()不然輸出圖像轉瞬即逝，很快就消失了，不能長時間停留。

5.PLT和openCV讀取和輸出方法：

PLT:

#輸入 img = plt.imread("lenna.png") #輸出 plt.imshow(img,cmap="gray") plt.show()

CV：

#輸入 img = cv2.imread("lenna.png") #輸出 cv2.imshow('img',img_gray) cv2.waitKey(0)

這里注意：cv2的輸出必須有標題，不然會報錯。

總結

以上是生活随笔為你收集整理的图像灰度化与二值化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。