276

我正在尝试使用matplotlib读取 RGB 图像并将其转换为灰度。

在matlab中我使用这个：

img = rgb2gray(imread('image.png'));

在matplotlib 教程中，他们没有涵盖它。他们只是在图像中阅读

import matplotlib.image as mpimg
img = mpimg.imread('image.png')

然后他们对数组进行切片，但这与根据我的理解将 RGB 转换为灰度不同。

lum_img = img[:,:,0]

我很难相信 numpy 或 matplotlib 没有将 rgb 转换为灰色的内置函数。这不是图像处理中的常见操作吗？

我编写了一个非常简单的函数，可以imread在 5 分钟内处理导入的图像。这是非常低效的，但这就是为什么我希望内置一个专业的实现。

Sebastian 改进了我的功能，但我仍然希望找到内置的功能。

matlab的（NTSC/PAL）实现：

import numpy as np

def rgb2gray(rgb):

    r, g, b = rgb[:,:,0], rgb[:,:,1], rgb[:,:,2]
    gray = 0.2989 * r + 0.5870 * g + 0.1140 * b

    return gray
4

14 回答 14

402

用Pillow做这件事怎么样：

from PIL import Image
img = Image.open('image.png').convert('L')
img.save('greyscale.png')

如果输入图像中存在 alpha（透明度）通道并且应该保留，请使用 mode LA：

img = Image.open('image.png').convert('LA')

使用 matplotlib 和公式

Y' = 0.2989 R + 0.5870 G + 0.1140 B

你可以这样做：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

def rgb2gray(rgb):
    return np.dot(rgb[...,:3], [0.2989, 0.5870, 0.1140])

img = mpimg.imread('image.png')     
gray = rgb2gray(img)    
plt.imshow(gray, cmap=plt.get_cmap('gray'), vmin=0, vmax=1)
plt.show()
于 2012-08-30T16:48:29.157 回答
91

您还可以使用scikit-imagendarray，它提供了一些将图像转换为rgb2gray.

from skimage import color
from skimage import io

img = color.rgb2gray(io.imread('image.png'))

注：此转换中使用的权重针对当代 CRT 荧光粉进行了校准：Y = 0.2125 R + 0.7154 G + 0.0721 B

或者，您可以通过以下方式读取灰度图像：

from skimage import io
img = io.imread('image.png', as_gray=True)
于 2015-06-30T10:39:19.030 回答
77

在 Ubuntu 16.04 LTS（带 SSD 的 Xeon E5 2670）上使用 Python 3.5 运行 1000 个 RGBA PNG 图像（224 x 256 像素）对三个建议方法的速度进行了测试。

平均运行时间

pil :1.037 秒

scipy:1.040 秒

sk :2.120 秒

PIL 和 SciPy 给出了相同numpy的数组（范围从 0 到 255）。SkImage 提供从 0 到 1 的数组。此外，颜色转换略有不同，请参见CUB-200 数据集中的示例。

SkImage: 图像

PIL : 太平船务

SciPy : 科学派

Original: 原来的

Diff : 在此处输入图像描述

代码

  1. 表现 

    run_times = dict(sk=list(), pil=list(), scipy=list())
for t in range(100):
    start_time = time.time()
    for i in range(1000):
        z = random.choice(filenames_png)
        img = skimage.color.rgb2gray(skimage.io.imread(z))
    run_times['sk'].append(time.time() - start_time)
    


    start_time = time.time()
for i in range(1000):
    z = random.choice(filenames_png)
    img = np.array(Image.open(z).convert('L'))
run_times['pil'].append(time.time() - start_time)

start_time = time.time()
for i in range(1000):
    z = random.choice(filenames_png)
    img = scipy.ndimage.imread(z, mode='L')
run_times['scipy'].append(time.time() - start_time)

    


    for k, v in run_times.items():
    print('{:5}: {:0.3f} seconds'.format(k, sum(v) / len(v)))

  2. 输出 
    z = 'Cardinal_0007_3025810472.jpg'
img1 = skimage.color.rgb2gray(skimage.io.imread(z)) * 255
IPython.display.display(PIL.Image.fromarray(img1).convert('RGB'))
img2 = np.array(Image.open(z).convert('L'))
IPython.display.display(PIL.Image.fromarray(img2))
img3 = scipy.ndimage.imread(z, mode='L')
IPython.display.display(PIL.Image.fromarray(img3))
  3. 比较 
    img_diff = np.ndarray(shape=img1.shape, dtype='float32')
img_diff.fill(128)
img_diff += (img1 - img3)
img_diff -= img_diff.min()
img_diff *= (255/img_diff.max())
IPython.display.display(PIL.Image.fromarray(img_diff).convert('RGB'))
  4. 进口 
    import skimage.color
import skimage.io
import random
import time
from PIL import Image
import numpy as np
import scipy.ndimage
import IPython.display
  5. 版本 
    skimage.version
0.13.0
scipy.version
0.19.1
np.version
1.13.1
于 2017-07-26T23:06:42.440 回答
39

您始终可以使用imreadOpenCV 从一开始就将图像文件读取为灰度：

img = cv2.imread('messi5.jpg', 0)

cvtcolor此外，如果您想将图像读取为 RGB，请进行一些处理，然后转换为您可以从 OpenCV使用的灰度：

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
于 2015-01-16T10:56:03.093 回答
28

最快和当前的方法是使用Pillow，通过pip install Pillow.

那么代码是：

from PIL import Image
img = Image.open('input_file.jpg').convert('L')
img.save('output_file.jpg')
于 2015-12-02T15:25:32.970 回答
12

该教程是作弊的，因为它是从以 RGB 编码的灰度图像开始的，所以他们只是对单个颜色通道进行切片并将其视为灰度。您需要做的基本步骤是从 RGB 颜色空间转换为使用近似亮度/色度模型（例如 YUV/YIQ 或 HSL/HSV）进行编码的颜色空间，然后切掉类似亮度的通道并将其用作你的灰度图像。 matplotlib似乎没有提供转换为 YUV/YIQ 的机制，但它确实允许您转换为 HSV。

尝试使用matplotlib.colors.rgb_to_hsv(img)然后切片数组中的最后一个值 (V) 以获得灰度。它与亮度值不太一样，但这意味着您可以在matplotlib.

背景：

或者，您可以使用 PIL 或内置colorsys.rgb_to_yiq()函数转换为具有真实亮度值的色彩空间。您也可以全力以赴并推出自己的 luma-only 转换器，尽管这可能有点过头了。

于 2012-08-30T17:11:52.003 回答
11

使用这个公式 

Y' = 0.299 R + 0.587 G + 0.114 B

我们能做的

import imageio
import numpy as np
import matplotlib.pyplot as plt

pic = imageio.imread('(image)')
gray = lambda rgb : np.dot(rgb[... , :3] , [0.299 , 0.587, 0.114]) 
gray = gray(pic)  
plt.imshow(gray, cmap = plt.get_cmap(name = 'gray'))

然而，将颜色转换为灰度图像的GIMP软件有三种算法来完成这项任务。

于 2018-07-28T11:44:21.897 回答
9

你可以这样做：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

def rgb_to_gray(img):
        grayImage = np.zeros(img.shape)
        R = np.array(img[:, :, 0])
        G = np.array(img[:, :, 1])
        B = np.array(img[:, :, 2])

        R = (R *.299)
        G = (G *.587)
        B = (B *.114)

        Avg = (R+G+B)
        grayImage = img.copy()

        for i in range(3):
           grayImage[:,:,i] = Avg
           
        return grayImage       

image = mpimg.imread("your_image.png")   
grayImage = rgb_to_gray(image)  
plt.imshow(grayImage)
plt.show()
于 2017-11-19T19:02:26.903 回答
8

如果你已经在使用 NumPy/SciPy，你也可以使用：

scipy.ndimage.imread(file_name, mode='L')

于 2016-08-19T23:35:17.450 回答
5

使用 img.Convert()，支持“L”、“RGB”和“CMYK”。模式

import numpy as np
from PIL import Image

img = Image.open("IMG/center_2018_02_03_00_34_32_784.jpg")
img.convert('L')

print np.array(img)

输出：

[[135 123 134 ...,  30   3  14]
 [137 130 137 ...,   9  20  13]
 [170 177 183 ...,  14  10 250]
 ..., 
 [112  99  91 ...,  90  88  80]
 [ 95 103 111 ..., 102  85 103]
 [112  96  86 ..., 182 148 114]]
于 2018-02-03T07:19:19.767 回答
3

我通过谷歌来到这个问题，寻找一种将已经加载的图像转换为灰度的方法。

这是使用 SciPy 的一种方法：

import scipy.misc
import scipy.ndimage

# Load an example image
# Use scipy.ndimage.imread(file_name, mode='L') if you have your own
img = scipy.misc.face()

# Convert the image
R = img[:, :, 0]
G = img[:, :, 1]
B = img[:, :, 2]
img_gray = R * 299. / 1000 + G * 587. / 1000 + B * 114. / 1000

# Show the image
scipy.misc.imshow(img_gray)
于 2016-11-10T09:05:40.700 回答
2

使用 OpenCV 很简单：

import cv2

im = cv2.imread("flower.jpg")

# To Grayscale
im = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
cv2.imwrite("grayscale.jpg", im)

# To Black & White
im = cv2.threshold(im, 127, 255, cv2.THRESH_BINARY)[1]
cv2.imwrite("black-white.jpg", im)

在此处输入图像描述

于 2021-05-07T09:50:50.223 回答
0

当所有 3 个颜色通道 (RGB) 中的像素值相同时，该像素将始终为灰度格式。

将 RGB 图像转换为灰度的一种简单直观的方法是获取每个像素中所有颜色通道的平均值并将值分配回该像素。

import numpy as np
from PIL import Image

img=np.array(Image.open('sample.jpg')) #Input - Color image
gray_img=img.copy()

for clr in range(img.shape[2]):
    gray_img[:,:,clr]=img.mean(axis=2) #Take mean of all 3 color channels of each pixel and assign it back to that pixel(in copied image)

#plt.imshow(gray_img) #Result - Grayscale image

输入图像： 输入图像

输出图像： 输出图像

于 2021-07-18T11:40:18.173 回答
-3 
image=myCamera.getImage().crop(xx,xx,xx,xx).scale(xx,xx).greyscale()

您可以greyscale()直接用于转换。

于 2016-03-16T08:35:51.013 回答