如何在Python中将RGB图像转换为灰度？

我正在尝试使用

matplotlib

读取RGB图像并将其转换为灰度

在matlab中，我使用：

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

实际上，他们没有覆盖它。他们只是在图像中阅读

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

然后对阵列进行切片，但这与我所理解的将RGB转换为灰度不同

lum_img = img[:,:,0]

我发现很难相信numpy或matplotlib没有内置的函数来将rgb转换为灰色。这不是图像处理中的常见操作吗

我编写了一个非常简单的函数，可以在5分钟内使用

imread

导入图像。它的效率非常低，但这就是为什么我希望内置一个专业的实现

塞巴斯蒂安改进了我的功能，但我仍然希望找到内置的

matlab（NTSC/PAL）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

使用以下工具进行操作如何：

---

使用matplotlib和

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()

---

该教程是作弊，因为它是从一个用RGB编码的灰度图像开始的，所以他们只是将一个颜色通道切片，并将其视为灰度。您需要执行的基本步骤是从RGB颜色空间转换为使用近似亮度/色度模型（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灰度图像

matplotlib

似乎不提供转换为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）

然后从数组中为灰度切片最后一个值（V）。它与luma值不完全相同，但这意味着您可以在

matplotlib

中完成所有操作

背景：

---

或者，您可以使用PIL或内置的

colorsys.rgb_to_yiq（）

转换为具有真实亮度值的颜色空间。您也可以全力以赴，滚动您自己的luma-only转换器，尽管这可能有点过分。

您始终可以使用from OpenCV从一开始就将图像文件读取为灰度：

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

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

此外，如果您想以RGB格式读取图像，请进行一些处理，然后转换为可从OpenCV使用的灰度：

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

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

您还可以使用，它提供了一些函数来转换

ndarray

中的图像，如

rgb2gray

from skimage import color
from skimage import io

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

注：此转换中使用的重量针对当代CRT荧光粉进行校准：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)

---

最快和最新的方法是使用，通过

pip安装枕头安装

代码是：

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

您可以直接使用
greyscale（）
进行转换。
如果您已经在使用NumPy/SciPy，您可以：

scipy.ndimage.imread（文件名，mode='L'）
我通过谷歌找到了这个问题，正在寻找一种将已加载的图像转换为灰度的方法

以下是使用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)

在Ubuntu 16.04 LTS（Xeon E5 2670和SSD）上，使用Python 3.5运行1000个RGBA PNG图像（224 x 256像素），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提供从0到1的数组。此外，颜色转换略有不同，请参见

浏览：

PIL:

SciPy:

原件：

Diff:

代码

演出
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)

对于运行时间中的k，v.items（）：
打印（{:5}:{:0.3f}秒）。格式（k，和（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
import skimage.color
import skimage.io
import random
import time
from PIL import Image
import numpy as np
import scipy.ndimage
import IPython.display
img_diff=np.ndarray（shape=img1.shape，dtype='float32'）
img_差异填充（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'））

进口
导入skimage.color
导入skimage.io
随机输入
导入时间
从PIL导入图像
将numpy作为np导入
导入scipy.ndimage
导入IPython.display

版本
浏览。版本
0.13.0
scipy.版本
0.19.1
np.版本
1.13.1

你可以做：

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)

使用img.Convert（），支持“L”、“RGB”和“CMYK.”模式

[[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]]

输出：

Y' = 0.299 R + 0.587 G + 0.114 B 

使用

我们能做到

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)

但是，将颜色转换为灰度图像软件有三种算法来完成这项任务。
使用OpenCV，其简单之处在于：

如果出于其他原因必须使用
matplotlib
，他应该能够使用内置的
colorsys.rgb_to_yiq（）
进行变换，再加上一个切片来获得luma通道。为什么
.convert（'LA'）
？为什么不
.convert（'gray'）
？似乎不必要的神秘。转换函数中没有提到任何关于“LA”的内容。使用PIL:
无法将模式LA写入JPEG
，我需要使用L模式而不是latthis
img=Image.open（'Image.png'）。转换（'LA'）
需要是
img=Image.open（'Image.png'）。转换（'L'）
@BluePython:
LA
模式具有亮度（亮度）还有阿尔法。如果使用
LA
模式，则
greyscale.png
将是一个RGBA图像，保留
image.png
的alpha通道。如果你
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()

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)

[[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]]

Y' = 0.299 R + 0.587 G + 0.114 B 

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'))

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)