opencv濾鏡-圖像灰度化

灰度圖像

灰度化，在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個像素只需一個字節存放灰度值（又稱強度值、亮度值），灰度範圍爲0-255。

圖像的灰度化一般作爲圖像的預處理步驟，爲之後更復雜的圖像處理做準備。另一方面，將圖像灰度化也可以作爲一個簡常見的濾鏡效果。

灰度化方法

一般將圖像灰度化由分量法、最大值法、平均值發以及加權平均法4種。
圖 1：bowl-of-fruit-in-rain-4125348_640

1-分量法

分量法是指將圖像的三種分量的亮度值（灰度值）作爲三個圖像的灰度值的方法，可以根據需要選擇應用哪一個分量產生的灰度圖像。該方法的公式原理如下：

圖 2：分量法

代碼實現

// channel graying | 分量法
enum enumRGB { R = 1, G = 2, B = 3 };
cv::Mat channelGraying(cv::Mat src_image, enumRGB channel)
{
    cv::Mat gray_image(src_image.size(), CV_8UC1);

    switch (channel)
    {
    case R:
        for (size_t i = 0; i < src_image.rows; i++)
        {
            for (size_t j = 0; j < src_image.cols; j++)
            {
                gray_image.at<uchar>(i, j) = src_image.at<cv::Vec3b>(i, j)[2];
            }
        }

        break;
    case G:
        for (size_t i = 0; i < src_image.rows; i++)
        {
            for (size_t j = 0; j < src_image.cols; j++)
            {
                gray_image.at<uchar>(i, j) = src_image.at<cv::Vec3b>(i, j)[1];
            }
        }

    case B:
        for (size_t i = 0; i < src_image.rows; i++)
        {
            for (size_t j = 0; j < src_image.cols; j++)
            {
                gray_image.at<uchar>(i, j) = src_image.at<cv::Vec3b>(i, j)[0];
            }
        }
        break;
    default:
        assert(false);
        break;
    }

    return gray_image;
}

運行代碼效果
圖 3：分量法灰度化效果

2-最大值法

最大值法爲，選取三個分量中亮度值（灰度值）最大的作爲灰度圖像的灰度值。該方法公式原理如下：

圖 4：最大值法

代碼實現

// max value graying | 最大值灰度化
cv::Mat maxValueGraying(cv::Mat src_image)
{
    cv::Mat gray_image(src_image.size(), CV_8UC1);

    for (size_t i = 0; i < src_image.rows; i++)
    {
        for (size_t j = 0; j < src_image.cols; j++)
        {
            gray_image.at<uchar>(i, j) = std::max(
                src_image.at<cv::Vec3b>(i, j)[0],
                std::max(
                    src_image.at<cv::Vec3b>(i, j)[1],
                    src_image.at<cv::Vec3b>(i, j)[2]
                )
            );

        }
    }

    return gray_image;
}

運行代碼效果
圖 5：最大值法灰度化效果

3-平均值法

平均值法爲，將三個分量的灰度值求取平均值作爲灰度圖像的灰度值。該方法的公式原理爲：

圖 6：平均值法

代碼實現

// average value garying | 平均值法
cv::Mat avergaeValueGraying(cv::Mat src_image)
{
    cv::Mat gray_image(src_image.size(), CV_8UC1);

    for (size_t i = 0; i < src_image.rows; i++)
    {
        for (size_t j = 0; j < src_image.cols; j++)
        {
            gray_image.at<uchar>(i, j) = (src_image.at<cv::Vec3b>(i, j)[0] + src_image.at<cv::Vec3b>(i, j)[1] + src_image.at<cv::Vec3b>(i, j)[1]) / 3;
                
        }
    }

    return gray_image;
}

圖 7：平均值法灰度化效果

4-加權平均法

根據重要性及其它指標，將三個分量以不同的權值進行加權平均。由於人眼對綠色的敏感最高，對藍色敏感最低，因此，按下式對RGB三分量進行加權平均能得到較合理的灰度圖像。

圖 8：加權平均法

代碼實現

// weighted average graying| 加權平均法
cv::Mat weightedAvergaeGraying(cv::Mat src_image)
{
    cv::Mat gray_image(src_image.size(), CV_8UC1);

    for (size_t i = 0; i < src_image.rows; i++)
    {
        for (size_t j = 0; j < src_image.cols; j++)
        {
            gray_image.at<uchar>(i, j) = 0.11 * src_image.at<cv::Vec3b>(i, j)[0] + 0.59*src_image.at<cv::Vec3b>(i, j)[1] + 0.30 * src_image.at<cv::Vec3b>(i, j)[2];

        }
    }

    return gray_image;
}

圖 9：加權平均法灰度化效果

opencv灰度化圖像方法

opencv實現圖像的灰度化非常簡單，有兩種方法。

方法1，再讀取圖片的時候以灰度圖像的方式讀取圖片

cv::Mat gray_image = cv::imread("test.jpg", 0)

方法2， 利用cvColor函數轉換

cv::cvtColor(rgbMat, grayMat, CV_BGR2GRAY); //opencv2.x
cv::cvtColor(rgbMat, grayMat, COLOR_BGR2GRAY); //opencv3.x