- 数字图像处理
- DIP - 主页
- DIP - 图像处理简介
- DIP - 信号与系统介绍
- DIP - 摄影史
- DIP - 应用和使用
- DIP - 尺寸概念
- DIP - 相机上的图像形成
- DIP - 摄像头机构
- DIP - 像素的概念
- DIP-- 透视变换
- DIP - 每像素位数的概念
- DIP - 图像类型
- DIP - 颜色代码转换
- DIP - 灰度到 RGB 转换
- DIP - 抽样的概念
- DIP - 像素分辨率
- DIP - 缩放的概念
- DIP - 缩放方法
- DIP - 空间分辨率
- DIP - 每英寸的像素点和线数
- DIP - 灰度分辨率
- DIP - 量化的概念
- DIP - ISO 偏好曲线
- DIP - 抖动的概念
- DIP - 直方图介绍
- DIP - 亮度和对比度
- DIP - 图像转换
- DIP - 直方图滑动
- DIP - 直方图拉伸
- DIP - 概率导论
- DIP - 直方图均衡
- DIP - 灰度级变换
- DIP - 卷积的概念
- DIP - 掩模的概念
- DIP - 模糊的概念
- DIP - 边缘检测的概念
- DIP - Prewitt 操作员
- DIP - 索贝尔算子
- DIP - 罗宾逊指南针面罩
- DIP - Krisch 指南针掩模
- DIP - 拉普拉斯算子
- DIP - 频域分析
- DIP - 傅里叶级数和变换
- DIP——卷积定理
- DIP - 高通滤波器与低通滤波器
- DIP - 色彩空间简介
- DIP - JPEG 压缩
- DIP - 光学字符识别
- DIP - 计算机视觉和图形
- DIP 有用资源
- DIP - 快速指南
- DIP - 有用的资源
- DIP - 讨论
灰度到 RGB 转换
我们已经在图像类型教程中定义了 RGB 颜色模型和灰度格式。现在我们将彩色图像转换为灰度图像。有两种方法可以对其进行转换。两者都有各自的优点和缺点。方法有:
- 平均法
- 加权法或光度法
平均法
平均法是最简单的一种。您只需取三种颜色的平均值即可。由于它是 RGB 图像,因此这意味着您将 r 与 g 与 b 相加,然后除以 3 以获得所需的灰度图像。
就这样完成了。
灰度 = (R + G + B / 3)
例如:
如果您有像上图所示的彩色图像,并且想使用平均方法将其转换为灰度图像。将会出现以下结果。
解释
有一点可以肯定,那就是原作发生了一些变化。这意味着我们的平均方法有效。但结果并不如预期。我们想要将图像转换为灰度,但结果是一个相当黑的图像。
问题
这个问题的出现是因为我们取了三种颜色的平均值。由于三种不同的颜色具有三种不同的波长,对图像的形成有各自的贡献,所以我们必须根据它们的贡献来取平均,而不是用平均的方法来平均。现在我们正在做的是这样的,
红色 33%、绿色 33%、蓝色 33%
我们分别取 33%,这意味着每个部分在图像中都有相同的贡献。但实际情况并非如此。光度法已经给出了这个问题的解决方案。
加权法或光度法
您已经看到了平均方法中出现的问题。加权方法可以解决这个问题。由于红色在所有三种颜色中具有更大的波长,而绿色不仅是波长比红色更小的颜色,而且绿色是给眼睛带来更多舒缓效果的颜色。
这意味着我们必须减少红色的贡献,增加绿色的贡献,并将蓝色的贡献放在这两者之间。
所以形成的新方程是:
新灰度图像 = ( (0.3 * R) + (0.59 * G) + (0.11 * B) )。
根据这个等式,红色贡献了 30%,绿色贡献了 59%,这三种颜色中的贡献更大,蓝色贡献了 11%。
将这个方程应用于图像,我们得到这个
原图:
灰度图像:
解释
正如您在这里所看到的,图像现在已使用加权方法正确转换为灰度。与平均方法的结果相比,该图像更亮。