PhotoShop算法实现--图像灰度化处理（六）

PhotoShop算法实现--图像灰度化处理（六）

[email protected]

http://blog.csdn.net/kezunhai

          在日常的工程应用中，经常需要将彩色图像转换为灰度图像。在一般情况下，彩色图像每个像素用3个字节表示，每个字节分别对应着R、G、B分量的亮度值，转换后的黑白图像用一个像素来表示灰度值，它的值在0到255间，数值越大该点越亮，反之，越暗。图像灰度化算法包括最大值化、平均值法和加权平均值法。

        1）最大值法
        这种方法的原理是取RGB三个分量的最大值作为灰度化图像的值，即：R=G=B=Max(R,G,B)。使用最大值法会使处理后的图像的灰度偏亮。
       2）平均值法
       这种方法的原理是取RGB三个分量的平均值作为灰度化图像的值，即：R=G=B=（R+G+B)/3。使用平均值法处理后的图像显得较为柔和。
       3）加权平均值法
        加权平均值法的原理是给R、G、B三个分量赋予不同的权值，并取RGB三个分量加权的平均值作为灰度图像的均值，即：R=G=B=WrR+WgG+WbB,取不同的权重就可以得到不同的灰度图像。由于人眼对绿色敏感度最高、红色次之，对蓝色敏感度最低，因此通常Wg>Wr>Wb，生成的图像也更符合人眼的视觉感受。根据统计分析，通常当Wr=30%, Wg=59%, Wb=11%时得到的图像最为合理。

        算法实现：

enum GRAYMETHOD
{
	WEIGHTAVERAGE,
	MAXIMUM,
	AVERAGE
};

void PhotoShop::Gray(Mat& img, Mat &gImg, GRAYMETHOD method)

{
	if ( gImg.empty())	
		gImg.create(img.rows, img.cols, img.type());		

	gImg = cv::Scalar::all(0);

	int i, j;
	Size size = img.size();
	int chns = img.channels();

	if (img.isContinuous() && gImg.isContinuous())
	{
		size.width *= size.height; 
		size.height = 1;
	}

	for (  i= 0; i<size.height; ++i)
	{
		const unsigned char* src = (const unsigned char*)(img.data+ img.step*i);
		unsigned char* dst = (unsigned char*)gImg.data+gImg.step*i;
		for (  j=0; j<size.width; ++j)
		{	
			uchar val; 
			switch(method)
			{
			case  WEIGHTAVERAGE:
				val =saturate_cast<uchar>(03.*src[j*chns] + 0.59*src[j*chns+1]+0.11*src[j*chns+2]+0.5);
				dst[j*chns] = dst[j*chns+1] = dst[j*chns+2] = val;
				break;
			case MAXIMUM:
				val = (val = src[j*chns]>src[j*chns+1] ? src[j*chns]:src[j*chns+1])> src[j*chns+2]?val:src[j*chns+2];
				dst[j*chns] = dst[j*chns+1] = dst[j*chns+2] = val;
				break;
			case AVERAGE:
				val = (src[j*chns] + src[j*chns+1] + src[j*chns+2])/3;
				dst[j*chns] = dst[j*chns+1] = dst[j*chns+2] = val;
				break;
			default:
				val = (src[j*chns] + src[j*chns+1] + src[j*chns+2])/3;
				dst[j*chns] = dst[j*chns+1] = dst[j*chns+2] = val;
				break;
			}			
		}
	}	

}

       以上介绍的方法在视觉看来一切都很正常，但是对于图像分析来说，以上方法的灰度化方法丢失了大量的信息，尤其是对比度的丢失，现有大量关于对比度保留的灰度化方法。要了解有关对比度保留的灰度化方法可以参考： 对比度保留之彩色图像去色算法。

作者：kezunhai 出处：http://blog.csdn.net/kezunhai 欢迎转载或分享，但请务必声明文章出处。