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

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

В Matlab я использую это:

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

В уроке matplotlib они не освещают 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 импортированным изображением imreadза 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

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' = 0.2989 R + 0.5870 G + 0.1140 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], [0.2989, 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()

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

from skimage import color
from skimage import io

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

Ноты : 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_gray=True)

Три из предложенных методов были протестированы на скорость с 1000 PNG-изображениями RGBA (224 x 256 пикселей), работающими 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

PIL и SciPy дали одинаковые numpyмассивы (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. Производительность

   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. Вывод

   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

Вы всегда можете прочитать файл изображения в градациях серого с самого начала, используя imreadOpenCV:

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

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

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

Самый быстрый и актуальный способ - использовать подушку , установленную черезpip install Pillow .

Код тогда:

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

Учебник обманывает, потому что он начинается с изображения в градациях серого, закодированного в RGB, поэтому они просто обрезают один цветной канал и рассматривают его как оттенки серого. Основные шаги, которые вам нужно сделать, - это преобразовать цветовое пространство RGB в цветовое пространство, которое кодирует 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. matplotlibне предоставляет механизм для преобразования в YUV / YIQ, но он позволяет преобразовать в HSV.

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

Задний план:

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

Кроме того, вы можете использовать PIL или встроенную colorsys.rgb_to_yiq()функцию для преобразования 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.

Используя эту формулу

Y' = 0.299 R + 0.587 G + 0.114 B 

Мы можем сделать

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'))

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

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

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

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()

Используйте img.Convert (), поддерживает «L», «RGB» и «CMYK». Режим

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)

Вывод:

[[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]]

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)

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

Вы можете использовать greyscale()непосредственно для преобразования.