在 Python 中转换图像为灰度
-
在 Python 中使用
pillow库的image.convert()方法将图像转换为灰度图像 -
在 Python 中使用
scikit-image模块的color.rgb2gray()方法将图像转换为灰度 -
在 Python 中使用
OpenCV库的cv2.imread()方法将图像转换为灰度 -
在 Python 中使用转换公式和
Matplotlib库将图像转换为灰度图像
本教程将讲解用 Python 将图像转换为灰度图像的各种方法。灰度图像是指单个像素代表光量或只包含光强度信息的图像。它是一种单维图像，只具有不同的灰度颜色。
由于灰度图像是单维的，所以在各种问题中以及 Canny 边缘检测等算法中，灰度图像被用来降低模型的训练复杂性。
本文将探讨我们如何在 Python 中使用 Python 模块的各种方法将图像转换为灰度或将图像读为灰度。
在 Python 中使用 pillow 库的 image.convert() 方法将图像转换为灰度图像
image.convert(mode, ..) 方法将图像作为输入，并将其转换为 mode 参数中指定的所需图像类型。模式包括 1 位和 8 位像素的黑白图像、RGB 图像、HSV 图像、BGR 图像和 LAB 图像等。
由于我们要将图像转换为灰度图像，我们可以传递 1 作为模式参数，表示 1 位黑白模式，L 表示 8 位黑白图像，LA 表示 alpha 模式。下面的示例代码演示了如何在 Python 中使用 pillow 库的 image.convert() 方法将图像转换为灰度。
from PIL import Image
img = Image.open('test.jpg')
imgGray = img.convert('L')
imgGray.save('test_gray.jpg')
原始图像。
转换的灰度图像。
在 Python 中使用 scikit-image 模块的 color.rgb2gray() 方法将图像转换为灰度
color.rgb2gray() 将 RGB 格式的图像作为输入，并返回输入图像的灰度副本。下面的代码示例演示了如何使用 scikit-image 模块中的 color.rgb2gray() 方法在 Python 中获取一个灰度图像。
from skimage import color
from skimage import io
img = io.imread('test.jpg')
imgGray = color.rgb2gray(img)
在 Python 中使用 OpenCV 库的 cv2.imread() 方法将图像转换为灰度
另一种获取灰度图像的方法是直接读取灰度模式下的图像，我们可以使用 OpenCV 库中的 cv2.imread(path, flag) 方法来读取灰度图像。
假设 cv2.imread() 方法的 flag 值等于 1，在这种情况下，它将读取不包括 alpha 通道的图像，如果 0 则读取灰度图像，如果等于 -1 方法则读取包括 alpha 通道信息的图像。
因此，我们可以使用 imread() 方法，通过将 flag 参数值传递为 1，从给定的路径中读取图像为灰度图像。
下面的示例代码演示了如何使用 cv2.imread() 方法在 Python 中读取灰度图像。
import cv2
imgGray = cv2.imread('test.jpg',0)
在 Python 中使用转换公式和 Matplotlib 库将图像转换为灰度图像
我们还可以使用标准的 RGB 到灰度的转换公式将图像转换为灰度，即 imgGray = 0.2989 * R + 0.5870 * G + 0.1140 * B。
我们可以使用 Python 中的 Matplotlib 库来实现这个方法，首先我们需要使用 mpimg.imread() 方法来读取图像，然后得到 RGB 图像的红、蓝、绿三个维度的矩阵，得到矩阵后我们就可以对它们应用公式来得到灰度图像。我们需要将完整的矩阵与公式中给出的值相乘，得到灰度图像。
下面的代码示例演示了我们如何在 Python 中使用 Matplotlib 库实现 RGB 到灰度的转换公式。
from matplotlib import pyplot as plt
import matplotlib.image as mpimg
img = mpimg.imread('test.jpg')
R, G, B = img[:,:,0], img[:,:,1], img[:,:,2]
imgGray = 0.2989 * R + 0.5870 * G + 0.1140 * B
plt.imshow(imgGray, cmap='gray')
plt.show()