Как я могу преобразовать изображение RGB в оттенки серого в Python?

Question

Я пытаюсь использовать matplotlib прочитать изображение RGB и преобразовать его в оттенки серого.

В Matlab я использую это:

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

В уроке matplotlib они не охватывают это. Они просто читают на картинке

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

и затем они нарезают массив, но это не то же самое, что преобразование RGB в оттенки серого из того, что я понимаю.

lum_img = img[:,:,0]

Мне трудно поверить, что у numpy или matplotlib нет встроенной функции для преобразования из rgb в серый. Разве это не обычная операция при обработке изображений?

Я написал очень простую функцию, которая работает с изображением, импортированным с помощью imread через 5 минут. Это ужасно неэффективно, но именно поэтому я надеялся на встроенную профессиональную реализацию.

Себастьян улучшил мою функцию, но я все еще надеюсь найти встроенную.

Реализация Matlab (NTSC/PAL):

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

Answer 1

Как насчет того, чтобы сделать это с подушкой:

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

---

Используя matplotlib и формулу

Y' = 0.299 R + 0.587 G + 0.114 B 

Вы могли бы сделать:

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

def rgb2gray(rgb):
    return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])

img = mpimg.imread('image.png')     
gray = rgb2gray(img)    
plt.imshow(gray, cmap = plt.get_cmap('gray'))
plt.show()

Answer 2

Вы также можете использовать scikit-image, который предоставляет некоторые функции для преобразования изображения в ndarray, лайк rgb2gray,

from skimage import color
from skimage import io

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

Примечания: веса, использованные в этом преобразовании, откалиброваны для современных люминофорных ЭЛТ: Y = 0,2125 R + 0,7154 G + 0,0721 B

Кроме того, вы можете прочитать изображение в оттенках серого с помощью:

from skimage import io
img = io.imread('image.png', as_grey=True)

Answer 3

Три из предложенных методов были протестированы на скорость с 1000 изображений PNG RGBA (224 x 256 пикселей), работающих с Python 3.5 на Ubuntu 16.04 LTS (Xeon E5 2670 с SSD).

Среднее время выполнения

pil : 1,037 секунды

scipy: 1,040 секунды

sk : 2.120 секунд

ПИЛ и SciPy дали одинаковые numpy массивы (от 0 до 255). SkImage дает массивы от 0 до 1. Кроме того, цвета немного преобразуются, см. Пример из набора данных CUB-200.

SkImage:

PIL :

SciPy :

Original:

Diff :

Код

1. Спектакль

   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)
   для k, v в run_times.items():
       print('{:5}: {:0.3f} секунд'. формат (k, sum(v) / len(v)))

2. Выход

   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. сравнение

   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. импорт

   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. Версии

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

Answer 4

Вы всегда можете прочитать файл изображения в градациях серого с самого начала, используя imread из OpenCV:

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

Кроме того, если вы хотите прочитать изображение как RGB, выполните некоторую обработку и затем конвертируйте его в шкалу серого, которую вы можете использовать cvtcolor из OpenCV:

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

Answer 5

Самый быстрый и актуальный способ - использовать подушку, установленную через pip install Pillow,

Код тогда:

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

Answer 6

Используя эту формулу

Y' = 0.299 R + 0.587 G + 0.114 B 

Мы можем

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'))

Однако программа GIMP, преобразующая цвета в изображения в градациях серого, имеет три алгоритма для выполнения этой задачи.

Answer 7

Учебник обманывает, потому что он начинается с изображения в градациях серого, закодированного в RGB, поэтому они просто нарезают один цветной канал и рассматривают его как оттенки серого. Основные шаги, которые вам нужно сделать, - это преобразование из цветового пространства RGB в цветовое пространство, которое кодируется с помощью чего-то, приближающего модель яркости / цветности, например, YUV/YIQ или HSL/HSV, затем отрезать канал, подобный яркости, и использовать его как ваше изображение в градациях серого. matplotlib не предоставляет механизм для преобразования в YUV/YIQ, но он позволяет преобразовать в HSV.

Попробуйте использовать matplotlib.colors.rgb_to_hsv(img) затем нарезать последнее значение (V) из массива для градаций серого. Это не совсем то же самое, что значение яркости, но это означает, что вы можете делать все это в matplotlib,

Фон:

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

Кроме того, вы можете использовать PIL или встроенный colorsys.rgb_to_yiq() преобразовать в цветовое пространство с истинным значением яркости. Вы также можете пойти ва-банк и выпустить свой собственный конвертер только для яркости, хотя это, вероятно, излишне.

Answer 8

Вы могли бы сделать:

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()

Answer 9

Если вы уже используете NumPy/SciPy, вы также можете использовать:

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

Hth, DTK

Answer 10

С OpenCV все просто:

      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)

Answer 11

Используйте img.Convert(), поддерживает режимы "L", "RGB" и "CMYK".

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)

Выход:

[[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]]

Answer 12

Я пришел к этому вопросу через Google, ища способ конвертировать уже загруженное изображение в оттенки серого.

Вот способ сделать это с помощью SciPy:

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)

Answer 13

Когда значения в пикселе во всех трех цветовых каналах (RGB) одинаковы, этот пиксель всегда будет в формате оттенков серого.

Один из простых и интуитивно понятных методов преобразования изображения RGB в оттенки серого - это взятие среднего значения всех цветовых каналов в каждом пикселе и присвоение значения этому пикселю.

      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

Входное изображение:

Выходное изображение:

Answer 14

Предполагая, что мое изображение трехканальное в исходном виде.

      my_image = cv2.imread("./5d10e5939c5101174c54bb98.png")
#greyscaling the image
image_sum = my_image.sum(axis=2)
new_image = image_sum/image_sum.max() 

new_imageэто мое одноканальное изображение в оттенках серого

      plt.figure(figsize=[12,8])
plt.imshow(new_image, cmap=plt.cm.gray)
plt.show()

[ Это без использования cv2 cv2.COLOR_BGR2GRAYпараметр или PIL .convert('L')метод ]

Answer 15

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

Ты можешь использовать greyscale() непосредственно для преобразования.