使用 OpenCV 將影像轉換為灰度

---

將影像轉換為灰度包括將彩色影像轉換為灰度影像。透過使用OpenCV庫中的各種方法，我們可以將彩色影像（具有多個顏色通道）轉換為灰度影像（具有單個通道）。以下是使用 OpenCV 將影像轉換為灰度的一些常用方法。

• cv2.cvtColor()：此函式用於將影像從一個顏色空間轉換為另一個顏色空間。

• 畫素操作：它涉及手動取顏色通道的平均值以建立灰度影像。

• 去飽和度方法：此方法嘗試透過考慮分量的最大值和最小值來保留影像的對比度。

使用 cv2.cvtColor()

cv2.cvtColor() 使用顏色通道的加權和將影像轉換為灰度，以反映人類的感知。

示例

在下面的示例程式碼中，cv2.imread() 函式載入影像，並使用 cv2.cvtColor() 函式將其轉換為灰度。

import cv2

# Read the image
image = cv2.imread('apple.jpg')

# Convert the image to grayscale
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Display the grayscale image (optional)
cv2.imshow('Grayscale Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出

輸入影像

灰度影像

使用畫素操作

這種畫素操作方法也稱為平均方法，它涉及透過手動計算每個畫素的紅色、綠色和藍色通道的強度平均值來計算灰度值。

示例

手動平均是指透過計算每個畫素的 B、G 和 R 通道的平均值來計算灰度值。

import cv2
import numpy as np

# Read the image
image = cv2.imread('apple.jpg')

# Manually convert to grayscale using the average method
gray_image = np.zeros(image.shape[:2], dtype='uint8')  

for i in range(image.shape[0]):
   for j in range(image.shape[1]):
      # Calculate the average of the B, G, R values
      gray_image[i, j] = np.mean(image[i, j])

# Display the grayscale image 
cv2.imshow('Grayscale Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出

輸入影像

灰度影像

使用去飽和度

此方法取每個畫素的紅色、綠色和藍色通道的最大值和最小值的平均值，並透過同時考慮最暗和最亮的分量來保留對比度。

示例

灰度值計算為 gray=Max(R, B, G)+Min(R, B, G)/2。由於其對真實亮度的表示，此方法與cv2.cvtColor()使用的加權方法相比，可能會返回不太準確的灰度影像。

import cv2
import numpy as np

image = cv2.imread('apple.jpg')
max_channel = np.max(image, axis=2)
min_channel = np.min(image, axis=2)
gray_image = ((max_channel + min_channel) / 2).astype(np.uint8)
cv2.imwrite('desaturation_gray_image.jpg', gray_image)

輸出

輸入影像

灰度影像