python如何分析灰度

python

图像类型:通常我们的数字图像是彩色的3通道RGB图像,R代表红色,G代表绿色,B代表蓝色。

存储方式:通常是uint8 无符号整数,0~255,当然也有24bits 可以表示更多的颜色,虽然这样做可以提高图像对于现实世界的一个还原度,但是会增加更多的开销,因此我们通常还是用8bits

灰度图像:灰度图像在图像处理种有着非常重要的地位,一些常用的操作都会涉及到灰度图像的转换,边缘检测、二值化等这些操作之前通常都是RGB to Gray。

直接给出公式:Gray = 0.2989*R+0.5870*G+0.1140*B

#Python Opencv

#导入头文件

%matplotlib inline

import matplotlib.pyplot as plt 

import cv2

import numpy as np

 

#读取图像,opencv读取图像通道顺序为BGR

img=cv2.imread('img.path.jpg')

 

#显示图像,其中.astype(np.uint8)为了确保数据格式以免无法显示,plt显示图像需要为RGB顺序

plt.figure(figsize=(15,10))

plt.imshow(cv2.cvtColor(img.astype(np.uint8), cv2.COLOR_BGR2RGB))

plt.show()

img=0.2989*img[:,:,2]+0.5870*img[:,:,1]+0.1140*img[:,:,0]

######

plt.figure(figsize=(15,10))

plt.imshow(img, cmap ='gray')

plt.show()

#opencv 自带函数进行转化

plt.figure(figsize=(15,10))

plt.imshow(cv2.cvtColor(img.astype(np.uint8), cv2.COLOR_BGR2GRAY),cmap='gray')

plt.show()

img3=0.2989*img[:,:,2]+0.5870*img[:,:,1]+0.1140*img[:,:,0]

img2=cv2.cvtColor(img.astype(np.uint8), cv2.COLOR_BGR2GRAY)

print((img3-img2).sum()/(img.shape[0]*img.shape[1]))  ###结果=-0.0072855376781315

对比下,自己用公式得到的灰度图和opencv自己函数的灰度图,其实还是不一样的,应该是计算精度上的差距

更多Python知识,请关注:!!

以上是 python如何分析灰度 的全部内容, 来源链接: utcz.com/z/528971.html

回到顶部