#完成图像灰度化的处理 import cv2 import numpy as np #方法1:读入参数调整去灰度图 img0 = cv2.imread('image0.jpg', 0) img1 = cv2.imread('image0.jpg', 1) print(img0.shape) print(img1.shape) #图像展示 cv2.imshow('src', img0) cv2.waitKey(0) #方法2:颜色空间转换,其中第一个参数是读入数据,另一个是转换颜色模式 img3 = cv2.imread('image0.jpg', 1) dst = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #展示图像 cv2.imshow('src',dst) cv2.waitKey(0) img = cv2.imread('image0.jpg', 1) imgInfo = img.shape height = imgInfo[0] width = imgInfo[1] #设置一张空白的画布 dst = np.zeros((height, width, 3), np.uint8) #第三种方法是:三种通道颜色深度的均值 for i in range(1,height): for j in range(0,width): (b, g, r) = img[i, j] gray = (int(b) + int(g) +int(r)) / 3 dst[i, j] = np.uint(gray) #第四个:使用心理学公式的均值 b = int(b) g = int(g) r = int(r) gray2 = (r*0.299+g*0.587+r*0.114) dst[i, j] = np.uint8(gray) cv2.imshow('dst', dst) cv2.waitKey(0) #灰度转化算法优化 #一般来说,定点大于浮点,加法大于乘法等,也可以根据精度除以100之类的数,要注意各颜色通道比例 gray = (r*1 + 2*g +b*1)/4 #进行位运算可以加快运算速度 gray = (r+ (g<<1)+b) >>2