图像处理（一）图像灰度化的三种方式

  图像处理的第一步操作基本都是进行灰度化，二灰度化的方式都很多种，可以根据自己的具体需要进行参数调整，基本分为四大种，分别为YUV亮度灰度化、最大值灰度化、平均值灰度化、Gamma校正灰度化。
1.Gamma校正灰度化
原理如下计算公式：
            $Gray=\sqrt[2.2]{\frac{R^{2.2}+(1.5G{)}^{2.2}+(0.6B{)}^{2.2}}{1+1.5^{2.2}+0.6^{2.2}}}$
  注意这里的2.2次方和2.2次方根，RGB颜色值不能简单直接相加，而是必须用2.2次方换算成物理光功率。因为RGB值与功率并非简单的线性关系，而是幂函数关系，这个函数的指数称为Gamma值，一般为2.2，而这个换算过程，称为Gamma校正。

import cv2
import numpy as np
import math
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] #显示中文

def Gamma_GRAY(picture_path):  #Gamma校正灰度化：Gray=
    # 读取图像
    img = cv2.imread(picture_path)
    # 获取图像尺寸
    h, w = img.shape[0:2]
    # 自定义空白单通道图像，用于存放灰度图
    gray = np.zeros((h, w), dtype=img.dtype)
    # 对原图像进行遍历，然后分别对B\G\R按比例灰度化
    for i in range(h):
        for j in range(w):
            a = img[i, j, 2] ** (2.2) + 1.5 * img[i, j, 1] ** (2.2) + 0.6 * img[i, j, 0] ** (2.2)  # 分子
            b = 1 + 1.5 ** (2.2) + 0.6 ** (2.2)  # 分母
            gray[i, j] = pow(a / b, 1.0 / 2.2)  # 开2.2次方根
    gray = cv2.cvtColor(gray, cv2.COLOR_BGR2RGB)  # BGR转换为RGB显示格式，方便通过matplotlib进行图像显示
    plt.imshow(gray)
    plt.title('Gamma校正灰度化')
    plt.axis('off')  # 关闭坐标轴  设置为on则表示开启坐标轴
    plt.show()  # 显示图像

2.平均值灰度化
原理： 对B、G、R三通道像素求取平均值作为灰度值，公式为：
            $gray=(B+G+R)/3$

def Avrage_GRAY(picture_path):  #平均值灰度化：对B、G、R三通道像素求取平均值作为灰度值，公式为：gray=(B+G+R)/3
    # 读取图像
    img = cv2.imread(picture_path)
    # 获取图像尺寸
    h, w = img.shape[0:2]
    # 自定义空白单通道图像，用于存放灰度图
    gray = np.zeros((h, w), dtype=img.dtype)
    # 对原图像进行遍历，然后分别对B\G\R按比例灰度化
    for i in range(h):
        for j in range(w):
            gray[i, j] = (int(img[i, j, 0]) + int(img[i, j, 1]) + int(img[i, j, 2])) / 3  # 求3通道像素的平均值作为灰度值
    gray = cv2.cvtColor(gray, cv2.COLOR_BGR2RGB)  # BGR转换为RGB显示格式，方便通过matplotlib进行图像显示
    plt.imshow(gray)
    plt.title('平均值灰度化')
    plt.axis('off')  # 关闭坐标轴  设置为on则表示开启坐标轴
    plt.show()  # 显示图像

3.最大值灰度化
原理：以B、G、R通道中最大的像素作为整体像素，公式为：
            $B=G=R=max([B,G,R])$

def Max_GRAY(picture_path):  #最大值灰度化：以B、G、R通道中最大的像素作为整体像素，公式为：B=G=R=max([B,G,R])
    #读取图像
    img = cv2.imread(picture_path)
    # 获取图像尺寸
    h, w = img.shape[0:2]
    # 自定义空白单通道图像，用于存放灰度图
    gray = np.zeros((h, w), dtype=img.dtype)
    # 对原图像进行遍历，然后分别对B\G\R按比例灰度化
    for i in range(h):
        for j in range(w):
            gray[i, j] = max(img[i, j, 0], img[i, j, 1], img[i, j, 2])  # 求3通道中最大的值
    gray = cv2.cvtColor(gray, cv2.COLOR_BGR2RGB)  # BGR转换为RGB显示格式，方便通过matplotlib进行图像显示
    plt.imshow(gray)
    plt.title('最大值灰度')
    plt.axis('off')  # 关闭坐标轴  设置为on则表示开启坐标轴
    plt.show()  # 显示图像

4.YUV亮度灰度化
原理：根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应，以这个亮度值表达图像的灰度值。公式为：
            $Y=0.3R+0.59G+0.11B$

def Cv2_GRAY(picture_path):  # YUV亮度灰度处理：Y=0.3R+0.59G+0.11B
  	#读取图像
    img=cv2.imread(picture_path)
    gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#BGR转换为灰度
    print(gray.shape)
    img= cv2.cvtColor(gray,cv2.COLOR_BGR2RGB)#BGR转换为RGB显示格式
    plt.imshow(img)
    plt.title('灰度处理')
    plt.axis('off')#关闭坐标轴  设置为on则表示开启坐标轴
    plt.show()#显示图像
    return gray