如何在Python中将RGB图像转换为灰度图像？

我试图用来matplotlib读取RGB图像并将其转换为灰度。

在matlab中，我使用以下代码：

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

在matplotlib教程中，他们没有介绍它。他们只是读了图像

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

然后他们将数组切成薄片，但这与从我所了解的将RGB转换为灰度不同。

lum_img = img[:,:,0]

我发现很难相信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？

我写了一个非常简单的函数，可以imread在5分钟内使用导入的图像。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（NTSC / PAL）的实现：

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

用Pillow怎么做：

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

使用matplotlib和公式

Y' = 0.2989 R + 0.5870 G + 0.1140 B 

你可以做：

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()

您还可以使用scikit-image，它提供了一些功能来转换图像ndarray，例如rgb2gray。

from skimage import color
from skimage import io

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

注意：此转换中使用的重量已针对当代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)

在Ubuntu 16.04 LTS（配备SSD的Xeon E5 2670）上使用Python 3.5运行1000个RGBA PNG图像（224 x 256像素）时，对其中三种建议的方法进行了速度测试。

平均运行时间

pil : 1.037秒

scipy: 1.040秒

sk : 2.120秒

PIL和SciPy给出了相同的numpy数组（范围从0到255）。SkImage给出从0到1的数组。此外，颜色的转换略有不同，请参阅CUB-200数据集的示例。

SkImage:

PIL :

SciPy :

Original:

Diff :

码

1. 性能

   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. 输出量

   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. 比较方式

   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. 进口货

   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. 版本号

   skimage.version
   0.13.0
   scipy.version
   0.19.1
   np.version
   1.13.1

您始终可以从一开始就使用imreadOpenCV 从灰度读取图像文件：

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

此外，如果要将图像读取为RGB，请进行一些处理，然后转换为可以cvtcolor在OpenCV中使用的灰度：

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

最快和最新的方法是使用Pillow，通过pip install Pillow。

代码如下：

from PIL import Image
img = Image.open('input_file.jpg').convert('L')
img.save('output_file.jpg')

该教程之所以作弊是因为它是以RGB编码的灰度图像开始的，因此他们只是将单个颜色通道切片并将其视为灰度。您需要执行的基本步骤是，将RGB颜色空间转换为使用近似luma / chroma模型（例如YUV / YIQ或HSL / HSV）进行编码的颜色空间，然后将类似luma的通道切成薄片并将其用作您的灰度图像。 matplotlib似乎没有提供转换为YUV / YIQ的机制，但是它确实允许您转换为HSV。

尝试使用，matplotlib.colors.rgb_to_hsv(img)然后从阵列中为灰度切片最后一个值（V）。它与亮度值并不完全相同，但这意味着您可以在其中完成所有操作matplotlib。

背景：

• http://matplotlib.sourceforge.net/api/colors_api.html
• http://en.wikipedia.org/wiki/HSL_and_HSV

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，推出自己的仅亮度转换器，尽管这可能会过分杀了。

使用这个公式

Y' = 0.299 R + 0.587 G + 0.114 B 

我们可以做的

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'))

但是，那 GIMP将颜色转换为灰度图像软件有三种算法可以完成任务。

如果您已经在使用NumPy / SciPy，则也可以使用：

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

你可以做：

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

        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()

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]]

我通过Google遇到了这个问题，寻找一种将已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)

image=myCamera.getImage().crop(xx,xx,xx,xx).scale(xx,xx).greyscale()

您可以greyscale()直接用于转换。