图像灰度化

1. 前言

离研究生毕业只有六个月了，毕业设计也该动手了。去年开题，选择了《基于图像处理的客观题自动阅卷系统的设计与实现》这个题目。今年中期，考虑了很久，最终还是没有换题目。想要做AIOps，但是自己基础薄弱，也没有特定的方向，到了六月份也不一定能完成。保险起见，还是做阅卷系统吧！

阅卷系统主要有五个方面的研究内容，分别是图像预处理、目标检测、图像分割、手写识别和移动Web。其中图像预处理包括试卷图像的灰度化、二值化、去噪、倾斜矫正等；目标检测是为了定位学号和答案的位置，并且提取出这些信息；图像分割是为了分割学号和多选题的字符；手写识别是为了识别手写字符，包括数字和字母；移动Web是为了方便老师随时随地使用系统。

本文，就来研究一下图像的灰度化。

2. 理论

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。一般有以下四种方法对彩色图像进行灰度化：

1、分量法
将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。f1(i,j)=R(i,j) f2(i,j)=G(i,j) f3(i,j)=B(i,j) 其中fk(i,j)(k=1,2,3)为转换后的灰度图像在(i,j)处的灰度值。

2、最大值法 　　
将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。f(i,j)=max(R(i,j),G(i,j),B(i,j))

3、平均值法 　　
将彩色图像中的三分量亮度求平均得到一个灰度图。f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3

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。f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))

更多内容参考图像分析。

3. 实践

算法的实现，主要参考Python下OpenCV的使用 – 图像灰度化。

3.1. 安装opencv

这个毕业设计，打算使用python来实现，编辑器使用pycharm。图像处理方面，主要使用opencv。首先安装opencv，很简单，一条命令即可：
pip install opencv-python

如果离线安装的话，不妨参考使用OpenCV实现实时视频目标检测。

安装完成后，命令行中输入python，进入python shell。输入import cv2回车，如果没有报错，说明安装成功。

3.2. 简单灰度化

在加载图片的时候，直接调用opencv的灰度化方法。

import cv2
image = cv2.imread('image/test.jpg')
grayimage = cv2.imread('image/test.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('image',image)
cv2.imshow('grayimage',grayimage)
cv2.waitKey(0)

3.3. 分量法

import cv2
image = cv2.imread('image/test.jpg')

b,g,r = cv2.split(image)   # the order is not r,g,b

cv2.namedWindow("Image")
cv2.imshow("Image",image)

cv2.namedWindow("ImageR")
cv2.imshow("ImageR",r)

cv2.namedWindow("ImageG")
cv2.imshow("ImageG",g)

cv2.namedWindow("ImageB")
cv2.imshow("ImageB",b)
cv2.waitKey(0)

cv2.destroyAllWindows()

3.4. 最大值法

import cv2
import numpy
image = cv2.imread('image/test.jpg')

shape = (image.shape[0],image.shape[1])
newImage = numpy.ndarray(shape,image.dtype)

for i in range(image.shape[0]):
    for j in range(image.shape[1]):
       newImage[i,j] = max(image[i,j][0],image[i,j][1],image[i,j][2])

cv2.namedWindow("NewImageMax")
cv2.imshow("NewImageMax",newImage)
cv2.waitKey(0)

cv2.destroyAllWindows()

3.5. 平均值法

import cv2
import numpy
image = cv2.imread('image/test.jpg')

shape = (image.shape[0],image.shape[1])
newImage = numpy.ndarray(shape,image.dtype)


for i in range(image.shape[0]):
    for j in range(image.shape[1]):
       newImage[i,j] = (int(image[i,j][0]) + int(image[i,j][1]) + int(image[i,j][2])) / 3

cv2.namedWindow("NewImageAver")
cv2.imshow("NewImageAver",newImage)
cv2.waitKey(0)

cv2.destroyAllWindows()

3.6. 加权平均法

import cv2
import numpy
image = cv2.imread('image/test.jpg')

shape = (image.shape[0],image.shape[1])
newImage = numpy.ndarray(shape,image.dtype)

for i in range(image.shape[0]):
    for j in range(image.shape[1]):
        newImage[i,j] = 0.11 * image[i,j][0] + 0.59 * image[i,j][1] + 0.30 * image[i,j][2]

cv2.namedWindow("NewImageWeightAver")
cv2.imshow("NewImageWeightAver",newImage)
cv2.waitKey(0)

cv2.destroyAllWindows()

4. 后记

关于图像灰度化，就整理到这里，之后会继续研究其他知识点。

5. 书签

opencv-python快速入门篇