如何在 Python 中将 RGB 图像转换为灰度图像？

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 给出了相同的 numpy 数组（范围从 0 到 255）。 SkImage 给出从 0 到 1 的数组。此外，颜色转换略有不同，请参阅 CUB-200 dataset. 中的示例

https://i.stack.imgur.com/ZLd5vm.png

https://i.stack.imgur.com/eQ4KIm.png

https://i.stack.imgur.com/DTjVSm.png

https://i.stack.imgur.com/43cy1m.png

https://i.stack.imgur.com/f5fy9m.png

代码

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。选择(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))) 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)) 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')) 导入 import skimage.color 导入 skimage。 io import random import time from PIL import Image import numpy as np import scipy.ndimage import IPython.display 版本 skimage.version 0.13.0 scipy.version 0.19.1 np.version 1.13.1

---

您始终可以使用 OpenCV 中的 imread 从一开始就将图像文件读取为灰度：

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

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

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

---

最快和当前的方法是使用通过 pip install Pillow 安装的 Pillow。

那么代码是：

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

---

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)，然后从数组中切出最后一个值 (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 中完成所有操作。

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() 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。

---

使用 this formula

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，GIMP 将颜色转换为灰度图像的软件有三种算法来完成这项任务。

---

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()

---

如果您已经在使用 NumPy/SciPy，您可以as well use：

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

---

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)

---

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)

https://i.stack.imgur.com/J4eEv.png

---

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

https://i.stack.imgur.com/0F6KF.jpg

https://i.stack.imgur.com/Xy0hW.jpg

---

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

您可以直接使用 greyscale() 进行转换。

---