在上一篇文章中，我們討論了一些常見的顏色模型，特別是RGB，HSV和YUV。顏色模型是一種抽象的數(shù)學(xué)模型，描述了顏色如何表示為一組數(shù)字。在這篇文章中，我們將看看如何將它們轉(zhuǎn)換為灰度。灰度是從白色到黑色的一系列灰色陰影，用于單色顯示或打印輸出。灰度圖像最常用于圖像處理，因?yàn)檩^小的數(shù)據(jù)使開發(fā)人員能夠在更短的時(shí)間內(nèi)完成更復(fù)雜的操作。

1. 顏色到灰度轉(zhuǎn)換

1.1 RGB到灰度

有許多常用的方法可以將RGB圖像轉(zhuǎn)換為灰度圖像，例如平均法和加權(quán)法。

平均法

平均法將R，G和B的平均值作為灰度值。

灰度=（R + G + B）/ 3

從理論上講，公式是100％正確的。但是在編寫代碼時(shí)，您可能會遇到uint8溢出錯(cuò)誤 - R，G和B的總和大于255.為避免異常，應(yīng)分別計(jì)算R，G和B。

灰度= R / 3 + G / 3 + B / 3

平均法很簡單，但效果不如預(yù)期。原因是人眼對RGB的反應(yīng)不同。眼睛對綠光最敏感，對紅光不敏感，對藍(lán)光最不敏感。因此，三種顏色在分布上應(yīng)具有不同的權(quán)重。這使我們得到加權(quán)方法。

加權(quán)法

加權(quán)法，也稱為光度法，根據(jù)其波長稱重紅色，綠色和藍(lán)色。改進(jìn)后的公式如下：

灰度 = 0.299R + 0.587G + 0.114B

1.2 YUV到灰度

YUV是一種用于模擬電視的彩色編碼系統(tǒng)。YUV顏色模型比計(jì)算機(jī)圖形硬件中使用的標(biāo)準(zhǔn)RGB模型更接近地表示人類對顏色的感知，并且尺寸效率更高。

RGB到Y(jié)UV轉(zhuǎn)換

Y = 0.299R + 0.587G + 0.114B

U'=（BY）* 0.565

V'=（RY）* 0.713

灰度值

將RGB轉(zhuǎn)換為Y的公式與將RGB轉(zhuǎn)換為灰度的公式相同。因此：

灰度 = Y

1.3 HSV到灰度

HSV（色調(diào)，飽和度，值）和HSL（色調(diào)，飽和度，亮度或光亮度）是笛卡爾RGB色彩空間的變換。

要將HSV轉(zhuǎn)換為灰度，我們首先需要將HSV轉(zhuǎn)換為RGB，然后將RGB三元組轉(zhuǎn)換為灰度值。

HSV到RGB轉(zhuǎn)換

當(dāng) 0 ≤ H < 360, 0 ≤ S ≤ 1 和 0 ≤ V ≤ 1:

C = V × S

X = C ×（1 - |（H / 60°）mod 2 - 1 |）

m = V - C

（R，G，B）=（（R '+ m）×255，（G '+ m）×255，（B '+ m）×255）

灰度值

灰度 = 0.299R + 0.587G + 0.114B

2. 二值化：灰度到黑/白轉(zhuǎn)換

二值化將灰度圖像轉(zhuǎn)換為黑/白圖像。該轉(zhuǎn)換在檢測斑點(diǎn)方面很有用，并進(jìn)一步降低了計(jì)算復(fù)雜度。關(guān)鍵任務(wù)是找到合適的閾值。主要有兩種方法：

• 局部閾值  - 逐個(gè)像素地計(jì)算閾值
• 全局閾值處理 - 為所有像素計(jì)算一次閾值

下圖顯示了二值化之前和之后的示例。

2.1 局部閾值法

利用局部閾值方法，在每個(gè)像素處計(jì)算閾值，其取決于一些局部統(tǒng)計(jì)，例如平均值，范圍和像素鄰域的方差。將圖像分成幾個(gè)子塊，并分析每個(gè)塊中灰度值的分布。

2.2 全局閾值方法

全局閾值處理方法利用圖像直方圖。圖像直方圖是一種統(tǒng)計(jì)圖，在x軸上具有灰度值，在y軸上具有每個(gè)灰度的像素?cái)?shù)。

圖像直方圖可用于自動(dòng)確定用于將灰度圖像轉(zhuǎn)換為二值圖像的閾值。基本思想是在前景像素值的峰值和背景像素值的峰值之間找到一個(gè)點(diǎn)。如果像素的強(qiáng)度等級小于閾值，則將像素設(shè)置為黑色（灰度= 0），否則將其設(shè)置為白色（灰度= 255）。閾值用作分界線。

要了解有關(guān)成像基礎(chǔ)知識的更多信息，請閱讀圖像處理101教程系列中的第一篇：

圖像處理101教程：什么是圖像？

和第二篇文章：

圖像處理101教程：顏色模型