24位彩色圖與8位灰度圖
首先要先介紹一下24位彩色圖像，在一個(gè)24位彩色圖像中，每個(gè)像素由三個(gè)字節(jié)表示，通常表示為RGB。通常，許多24位彩色圖像存儲(chǔ)為32位圖像，每個(gè)像素多余的字節(jié)存儲(chǔ)為一個(gè)alpha值，表現(xiàn)有特殊影響的信息[1]。
在RGB模型中，如果R=G=B時(shí)，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值（又稱強(qiáng)度值、亮度值），灰度范圍為0-255[2]。這樣就得到一幅圖片的灰度圖。
幾種灰度化的方法
1、分量法：使用RGB三個(gè)分量中的一個(gè)作為灰度圖的灰度值。
2、最值法：使用RGB三個(gè)分量中最大值或最小值作為灰度圖的灰度值。
3、均值法：使用RGB三個(gè)分量的平均值作為灰度圖的灰度值。
4、加權(quán)法：由于人眼顏色敏感度不同，按下一定的權(quán)值對(duì)RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。一般情況按照：Y = 0.30R + 0.59G + 0.11B。
[注]加權(quán)法實(shí)際上是取一幅圖片的亮度值作為灰度值來計(jì)算，用到了YUV模型。在[3]中會(huì)發(fā)現(xiàn)作者使用了Y = 0.21 * r + 0.71 * g + 0.07 * b來計(jì)算灰度值（顯然三個(gè)權(quán)值相加并不等于1，可能是作者的錯(cuò)誤？）。實(shí)際上，這種差別應(yīng)該與是否使用伽馬校正有關(guān)[1]。
一種Java實(shí)現(xiàn)灰度化的方法
如果你搜索“Java實(shí)現(xiàn)灰度化”，十有八九都是一種方法（代碼）：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
public void grayImage() throws IOException{ File file = new File(System.getProperty("user.dir")+"/test.jpg"); BufferedImage image = ImageIO.read(file); int width = image.getWidth(); int height = image.getHeight(); BufferedImage grayImage = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY); for(int i= 0 ; i < width ; i++){ for(int j = 0 ; j < height; j++){ int rgb = image.getRGB(i, j); grayImage.setRGB(i, j, rgb); } } File newFile = new File(System.getProperty("user.dir")+"/method1.jpg"); ImageIO.write(grayImage, "jpg", newFile); } |
test.jpg的原圖為：
使用上述方法得到的灰度圖：
看到這幅灰度圖，似乎還真是可行，但是如果我們使用opencv來實(shí)現(xiàn)灰度化或使用PIL（Python），你會(huì)發(fā)現(xiàn)效果相差很大：
|
1
2
3
|
img = cv2.imread('test.jpg',cv2.IMREAD_COLOR)gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)cv2.imwrite('PythonMethod.jpg', gray) |
可以清楚的看到，使用opencv（PIL也是一樣的）得到的灰度圖要比上面Java方法得到的方法好很多，很多細(xì)節(jié)都能夠看得到。這說明，網(wǎng)上這種流行的方法一直都存在這某種問題，只是一直被忽略。
opencv如何實(shí)現(xiàn)灰度化
如果讀過opencv相關(guān)的書籍或代碼，大概都能知道opencv灰度化使用的是加權(quán)法，之所以說是大概，因?yàn)槲覀儾恢罏槭裁?code>opencv灰度化的圖像如此的好，是否有其他的處理細(xì)節(jié)被我們忽略了？
驗(yàn)證我們的猜想很簡(jiǎn)單，只要查看像素值灰度化前后的變化就知道了，可以如下測(cè)試：
|
1
2
3
4
5
6
7
|
img = cv2.imread('test.jpg',cv2.IMREAD_COLOR)h, w = img.shape[:2]gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)for j in range(w): for i in range(h): print str(i) + " : " + str(j) + " " + str(gray[i][j])print img[h-1][w-1][0:3] |
以下打印了這么多像素點(diǎn)，我們也很難判斷，但是我們只要關(guān)注一下最后一個(gè)像素點(diǎn)，就能夠發(fā)現(xiàn)端倪： 原圖最后的像素點(diǎn)RGB值為44，67，89，而灰度化之后的值為71。正好符合加權(quán)法計(jì)算的灰度值。如果你檢查之前用Java灰度化的圖片的像素值，你會(huì)發(fā)現(xiàn)不僅僅像素值不符合這個(gè)公式，甚至相差甚遠(yuǎn)。
到此，我們猜測(cè)opencv（也包括PIL）是使用加權(quán)法實(shí)現(xiàn)的灰度化。
Java實(shí)現(xiàn)加權(quán)法灰度化
如果網(wǎng)上那段流行的方法不行，我們?cè)撊绾问褂肑ava實(shí)現(xiàn)灰度化？實(shí)際上[3]已經(jīng)成功的實(shí)現(xiàn)了（多種方法的）灰度化（外國(guó)友人搞技術(shù)還是很給力的），在此僅僅提取必要的代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
private static int colorToRGB(int alpha, int red, int green, int blue) { int newPixel = 0; newPixel += alpha; newPixel = newPixel << 8; newPixel += red; newPixel = newPixel << 8; newPixel += green; newPixel = newPixel << 8; newPixel += blue; return newPixel; }public static void main(String[] args) throws IOException { BufferedImage bufferedImage = ImageIO.read(new File(System.getProperty("user.dir" + "/test.jpg")); BufferedImage grayImage = new BufferedImage(bufferedImage.getWidth(), bufferedImage.getHeight(), bufferedImage.getType()); for (int i = 0; i < bufferedImage.getWidth(); i++) { for (int j = 0; j < bufferedImage.getHeight(); j++) { final int color = bufferedImage.getRGB(i, j); final int r = (color >> 16) & 0xff; final int g = (color >> 8) & 0xff; final int b = color & 0xff; int gray = (int) (0.3 * r + 0.59 * g + 0.11 * b);; System.out.println(i + " : " + j + " " + gray); int newPixel = colorToRGB(255, gray, gray, gray); grayImage.setRGB(i, j, newPixel); } } File newFile = new File(System.getProperty("user.dir") + "/ok.jpg"); ImageIO.write(grayImage, "jpg", newFile);} |
上面的代碼會(huì)打印出灰度化后的像素值，如果再與上面的Python代碼做對(duì)比，你會(huì)發(fā)現(xiàn)像素值完全的對(duì)應(yīng)上了。colorToRGB方法中對(duì)彩色圖的處理正好是4個(gè)字節(jié)，其中之一是alpha參數(shù)（前文所講），下圖是這段代碼灰度化后的圖像：
對(duì)于其他方法，依次同理可得。
總結(jié)
本文的成因本是希望使用Java實(shí)現(xiàn)幾種灰度化操作，并使用opencv來驗(yàn)證轉(zhuǎn)化的對(duì)錯(cuò)，但在實(shí)際測(cè)試中發(fā)現(xiàn)了一些問題（轉(zhuǎn)化后的圖片有差異，以及如何在轉(zhuǎn)化后根據(jù)灰度值生成灰度圖等問題），并就此進(jìn)行了一定的思考與驗(yàn)證。這里需要注意的是，網(wǎng)上的一些文章或多或少?zèng)]有做更進(jìn)一步的思考（甚至很多都是照搬，尤其是國(guó)內(nèi)的文章），而對(duì)于這些實(shí)際問題，動(dòng)手實(shí)現(xiàn)并驗(yàn)證是非常重要的方法。希望本文的內(nèi)容對(duì)大家能有所幫助。如果有疑問可以留言討論。
