（二）对图像进行预处理（灰度化，二值化）

对图像进行预处理（灰度化，二值化）

一、图像灰度化处理

图像灰度化是指每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度。
　　灰度图像与黑白图像不同，在计算机图像领域中黑白图像只有黑白两种颜色，一般称为二值图（0 or 255），灰度图在黑色与白色中间还有很多级的颜色深度（0-255）。
在RGB模型中，如果R=G=B是，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值。

1.图像灰度化的方法

灰度化方法主要有，分量法，最大值法，平均值法和加权平均值法。

• 平均值法：将彩色图像中的三分量亮度求平均得到一个灰度图。
• 最大值法：将彩色图像中的三分量亮度的最大值作为灰度图的灰度值；
• 分量法：算法思想是先把RGB 每个分量的值作为图像的灰度值，这样就得到原图像的三个灰度图像，然后选择三个中的一个灰度图，即用RGB 三个分量的某一个分量作为该点的灰度值。
• 加权平均法：该算法主要就是根据某种条件，将三个分量以不同的权值进行加权平均；
  公式如下图所示：
  
  　　现以加权放大的灰度图变换为例，是将其三个分量以不同的权值进行加权平均，由于人眼对绿色敏感程度最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能后得到较为合理的灰度图像。
  
  　　首先通过cv2读取图片，将其高度、宽度提取出来，在通过以上公式对每个通道的每个像素进行加权操作，使用此公式的代码为：

import cv2 
import numpy as np  
	  
image = cv2.imread('.\\test1.png')  
#读取图片像素高宽  
sp = image.shape  
height = sp[0]  
width = sp[1]  
#创建同样高宽的画布  
new = np.zeros((height,width,3), np.uint8)  
#遍历每个像素  
#使用加权平均法算得灰度图  
for i in range(height):   
    for j in range(width):   
        new[i,j] = 0.3 * image[i,j][0] + 0.59 * image[i,j][1] + 0.11 * image[i,j][2]   
  
cv2.namedWindow('Image')  
cv2.imshow('Image', new)  
	  
cv2.imwrite("E:\\linedetect\\test1-gray.jpg", new)  
  
cv2.waitKey(0) 
cv2.destroyAllWindows() 

此外，当图片为BGR格式时，可以通过以下Opencv自带语句完成对图像的灰度化处理。

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

如果使用cv2.imread()函数读取图片时，读取进来的图片色彩通道格式为BGR，可直接使用以上函数进行灰度化；但是如果使用cv2.imdecode()函数进行读取图片，则读入的图片格式为RGB，需要用以下函数进行色彩通道的转换。

cv_img = cv2.imdecode(filePath,cv2.IMREAD_COLOR)
cv_img = cv2.cvtColor(cv_img,cv2.COLOR_RGB2BGR)
gray = cv2.cvtColor(cv_img,cv2.COLOR_BGR2GRAY)

二、图像二值化处理

二值图像（Binary Image）是指将图像上的每一个像素只有两种可能的取值或灰度等级状态，人们经常用黑白、B&W、单色图像表示二值图像。二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。

通过Opencv自带的函数对经过灰度化的图像进行处理，使用cv.Threshold()函数进行操作。

　　实例中，img_gauss是进过高斯平滑滤波以后的图像，127与255是对图像二值化的分割阈值和最大值，即灰度值在127-255之间的值都被置位1，其余置位0。二值化的图片对车道线提取比较干净，但天空和白色车辆提取不是很干净。
　　最后cv2.THRESH_BINARY_INV对二值化的图像进行逆操作，得到想要的效果。
返回值ret：暂时就认为是设定的thresh阈值，binary：二值化的图像

ret, binary = cv2.threshold(img_gauss,127,255, cv2.THRESH_BINARY_INV)