如何在Python中将RGB图像转换为灰度?

我试图使用matplotlib读取RGB图像并将其转换为灰度。

在matlab中我使用这个:

img = rgb2gray(imread('image.png'));

在matplotlib教程中，它们不覆盖它。他们只是阅读图像

import matplotlib.image as mpimg
img = mpimg.imread('image.png')

然后他们将数组切片，但这与我所理解的将RGB转换为灰度不是一回事。

lum_img = img[:,:,0]

我发现很难相信numpy或matplotlib没有内置函数从rgb转换为灰色。这不是图像处理中常见的操作吗?

我写了一个非常简单的函数，可以在5分钟内处理使用imread导入的图像。它的效率非常低，但这就是为什么我希望内置一个专业的实现。

塞巴斯蒂安改进了我的功能，但我仍然希望找到内置的功能。

matlab (NTSC/PAL)实现:

import numpy as np


def rgb2gray(rgb):


r, g, b = rgb[:,:,0], rgb[:,:,1], rgb[:,:,2]
gray = 0.2989 * r + 0.5870 * g + 0.1140 * b


return gray
869954 次浏览
小开
最佳答案

那么用枕头来做呢:

from PIL import Image
img = Image.open('image.png').convert('L')
img.save('greyscale.png')

如果alpha(透明)通道出现在输入图像中，并且应该保留，则使用模式LA:

img = Image.open('image.png').convert('LA')

使用matplotlib和这个公式

Y' = 0.2989 R + 0.5870 G + 0.1140 B

你可以这样做:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg


def rgb2gray(rgb):
return np.dot(rgb[...,:3], [0.2989, 0.5870, 0.1140])


img = mpimg.imread('image.png')
gray = rgb2gray(img)
plt.imshow(gray, cmap=plt.get_cmap('gray'), vmin=0, vmax=1)
plt.show()
小开

这个教程是作弊，因为它是从一个用RGB编码的灰度图像开始的，所以他们只是将一个单一的颜色通道切片并将其视为灰度。你需要做的基本步骤是从RGB颜色空间转换到一个颜色空间，用近似亮度/色度模型进行编码，如YUV/YIQ或HSL/HSV，然后切下类似亮度的通道并使用它作为灰度图像。matplotlib似乎没有提供转换为YUV/YIQ的机制，但它确实让你转换为HSV。

尝试使用matplotlib.colors.rgb_to_hsv(img)，然后从数组中切片最后一个值(V)来获取灰度。它与亮度值不完全相同，但它意味着你可以在matplotlib中完成所有操作。

背景:

或者，你可以使用PIL或内置colorsys.rgb_to_yiq()来转换为具有真正亮度值的颜色空间。你也可以完全投入到你自己的光转换器中，尽管这可能有点过头了。

小开

你总是可以从OpenCV中使用imread从一开始就读取灰度图像文件:

img = cv2.imread('messi5.jpg', 0)

此外，如果你想将图像读取为RGB，做一些处理，然后转换为灰度，你可以使用OpenCV中的cvtcolor:

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
小开

你也可以使用scikit-image，它提供了一些函数来转换ndarray中的图像，比如rgb2gray。

from skimage import color
from skimage import io


img = color.rgb2gray(io.imread('image.png'))

笔记:在此转换中使用的权重是为当代CRT荧光粉校准的:Y = 0.2125 R + 0.7154 G + 0.0721 B

或者，您可以通过以下方法读取灰度图像:

from skimage import io
img = io.imread('image.png', as_gray=True)
小开

最快和当前的方法是使用枕头，通过pip install Pillow安装。

代码是:

from PIL import Image
img = Image.open('input_file.jpg').convert('L')
img.save('output_file.jpg')
小开 
image=myCamera.getImage().crop(xx,xx,xx,xx).scale(xx,xx).greyscale()

你可以直接使用greyscale()进行转换。

小开

如果你已经在使用NumPy/SciPy，你可以也可以使用:

scipy.ndimage.imread(file_name, mode='L')

小开

我通过谷歌找到了这个问题，寻找一种将已经加载的图像转换为灰度的方法。

下面是一种使用SciPy的方法:

import scipy.misc
import scipy.ndimage


# Load an example image
# Use scipy.ndimage.imread(file_name, mode='L') if you have your own
img = scipy.misc.face()


# Convert the image
R = img[:, :, 0]
G = img[:, :, 1]
B = img[:, :, 2]
img_gray = R * 299. / 1000 + G * 587. / 1000 + B * 114. / 1000


# Show the image
scipy.misc.imshow(img_gray)
小开

在Ubuntu 16.04 LTS (Xeon E5 2670 with SSD)上运行Python 3.5，测试了1000个RGBA PNG图像(224 x 256像素)的速度。

平均运行时间

pil : 1.037秒

scipy: 1.040秒

sk : 2.120秒

PIL和SciPy给出了相同的numpy数组(范围从0到255)。SkImage给出了从0到1的数组。此外，颜色转换略有不同，请参阅幼崽- 200数据集。 . xml中的示例

SkImage: SkImage

PIL : PIL

SciPy : SciPy

Original: Original

Diff : enter image description here

代码

    <李> < p >性能 
    run_times = dict(sk=list(), pil=list(), scipy=list())
for t in range(100):
start_time = time.time()
for i in range(1000):
z = random.choice(filenames_png)
img = skimage.color.rgb2gray(skimage.io.imread(z))
run_times['sk'].append(time.time() - start_time)
    



    start_time = time.time()
for i in range(1000):
z = random.choice(filenames_png)
img = np.array(Image.open(z).convert('L'))
run_times['pil'].append(time.time() - start_time)


start_time = time.time()
for i in range(1000):
z = random.choice(filenames_png)
img = scipy.ndimage.imread(z, mode='L')
run_times['scipy'].append(time.time() - start_time)

    



    for k, v in run_times.items():
打印('{:5}:{:0.3f}秒'。格式(k, sum(v) / len(v)))
< / pre > < /代码> < / p > < /李>
<李>输出

    z = 'Cardinal_0007_3025810472.jpg'
img1 = skimage.color.rgb2gray(skimage.io.imread(z)) * 255
IPython.display.display(PIL.Image.fromarray(img1).convert('RGB'))
img2 = np.array(Image.open(z).convert('L'))
IPython.display.display(PIL.Image.fromarray(img2))
img3 = scipy.ndimage.imread(z, mode='L')
IPython.display.display(PIL.Image.fromarray(img3))

    

  1. Comparison

    img_diff = np.ndarray(shape=img1.shape, dtype='float32')
img_diff.fill(128)
img_diff += (img1 - img3)
img_diff -= img_diff.min()
img_diff *= (255/img_diff.max())
IPython.display.display(PIL.Image.fromarray(img_diff).convert('RGB'))

    2. 

  2. Imports

    import skimage.color
import skimage.io
import random
import time
from PIL import Image
import numpy as np
import scipy.ndimage
import IPython.display

    3. 

  3. Versions

    skimage.version
0.13.0
scipy.version
0.19.1
np.version
1.13.1

    4.
小开

你可以这样做:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg


def rgb_to_gray(img):
grayImage = np.zeros(img.shape)
R = np.array(img[:, :, 0])
G = np.array(img[:, :, 1])
B = np.array(img[:, :, 2])


R = (R *.299)
G = (G *.587)
B = (B *.114)


Avg = (R+G+B)
grayImage = img.copy()


for i in range(3):
grayImage[:,:,i] = Avg
           

return grayImage


image = mpimg.imread("your_image.png")
grayImage = rgb_to_gray(image)
plt.imshow(grayImage)
plt.show()
小开

使用img.Convert()，支持“L”，“RGB”和“CMYK”。”模式

import numpy as np
from PIL import Image


img = Image.open("IMG/center_2018_02_03_00_34_32_784.jpg")
img.convert('L')


print np.array(img)

输出:

[[135 123 134 ...,  30   3  14]
[137 130 137 ...,   9  20  13]
[170 177 183 ...,  14  10 250]
...,
[112  99  91 ...,  90  88  80]
[ 95 103 111 ..., 102  85 103]
[112  96  86 ..., 182 148 114]]
小开

使用这个公式

Y' = 0.299 R + 0.587 G + 0.114 B

我们可以

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


pic = imageio.imread('(image)')
gray = lambda rgb : np.dot(rgb[... , :3] , [0.299 , 0.587, 0.114])
gray = gray(pic)
plt.imshow(gray, cmap = plt.get_cmap(name = 'gray'))

然而，GIMP将彩色图像转换为灰度图像软件有三个算法来完成这项任务。

小开

OpenCV很简单:

import cv2


im = cv2.imread("flower.jpg")


# To Grayscale
im = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
cv2.imwrite("grayscale.jpg", im)


# To Black & White
im = cv2.threshold(im, 127, 255, cv2.THRESH_BINARY)[1]
cv2.imwrite("black-white.jpg", im)

enter image description here

小开

当一个像素在所有3个颜色通道(RGB)中的值相同时，该像素将始终处于灰度格式。

一个简单的&将RGB图像转换为灰度图像的直观方法是通过取每个像素中所有颜色通道的平均值并将值分配回该像素。

import numpy as np
from PIL import Image


img=np.array(Image.open('sample.jpg')) #Input - Color image
gray_img=img.copy()


for clr in range(img.shape[2]):
gray_img[:,:,clr]=img.mean(axis=2) #Take mean of all 3 color channels of each pixel and assign it back to that pixel(in copied image)


#plt.imshow(gray_img) #Result - Grayscale image
< p >输入图像: Input Image < / p > < p >输出图像: 输出图像 < / p >

提交答案