我试图使用matplotlib读取RGB图像并将其转换为灰度。
在matlab中我使用这个:
img = rgb2gray(imread('image.png'));
在matplotlib教程中，没有涉及到它。他们只是阅读图像
import matplotlib.image as mpimg
img = mpimg.imread('image.png')
然后他们将数组切片，但这与我所理解的将RGB转换为灰度不是一回事。
lum_img = img[:,:,0]
我发现很难相信numpy或matplotlib没有内置函数从rgb转换为灰色。这不是图像处理中常见的操作吗?
我写了一个非常简单的函数，使用imread在5分钟内导入图像。它的效率非常低，但这就是为什么我希望内置一个专业的实现。
塞巴斯蒂安改进了我的功能，但我仍然希望找到内置的功能。
matlab (NTSC/PAL)实现:
import numpy as np
def rgb2gray(rgb):
r, g, b = rgb[:,:,0], rgb[:,:,1], rgb[:,:,2]
gray = 0.2989 * r + 0.5870 * g + 0.1140 * b
return gray
在Ubuntu 16.04 LTS (Xeon E5 2670 with SSD)上运行Python 3.5，测试了1000个RGBA PNG图像(224 x 256像素)的速度。
平均运行时间
pil: 1.037秒
1040秒
Sk: 2秒120
PIL和SciPy给出了相同的numpy数组(范围从0到255)。SkImage给出了从0到1的数组。此外，颜色转换略有不同，请参阅来自CUB-200数据集的示例。
SkImage:
PIL:
SciPy:
原:
差异:
Code
Performance
run_times = dict(sk=list(), pil=list(), scipy=list())
for t in range(100):
start_time = time.time()
for i in range(1000):
z = random.choice(filenames_png)
img = skimage.color.rgb2gray(skimage.io.imread(z))
run_times['sk'].append(time.time() - start_time)
start_time = time.time()
for i in range(1000):
z = random.choice(filenames_png)
img = np.array(Image.open(z).convert('L'))
run_times['pil'].append(time.time() - start_time)
start_time = time.time()
for i in range(1000):
z = random.choice(filenames_png)
img = scipy.ndimage.imread(z, mode='L')
run_times['scipy'].append(time.time() - start_time)
for k, v in run_times.items():
print('{:5}: {:0.3f} seconds'.format(k, sum(v) / len(v)))
Output
z = 'Cardinal_0007_3025810472.jpg'
img1 = skimage.color.rgb2gray(skimage.io.imread(z)) * 255
IPython.display.display(PIL.Image.fromarray(img1).convert('RGB'))
img2 = np.array(Image.open(z).convert('L'))
IPython.display.display(PIL.Image.fromarray(img2))
img3 = scipy.ndimage.imread(z, mode='L')
IPython.display.display(PIL.Image.fromarray(img3))
Comparison
img_diff = np.ndarray(shape=img1.shape, dtype='float32')
img_diff.fill(128)
img_diff += (img1 - img3)
img_diff -= img_diff.min()
img_diff *= (255/img_diff.max())
IPython.display.display(PIL.Image.fromarray(img_diff).convert('RGB'))
Imports
import skimage.color
import skimage.io
import random
import time
from PIL import Image
import numpy as np
import scipy.ndimage
import IPython.display
Versions
skimage.version
0.13.0
scipy.version
0.19.1
np.version
1.13.1
用Pillow怎么做呢:
from PIL import Image
img = Image.open('image.png').convert('L')
img.save('greyscale.png')
如果在输入图像中存在alpha(透明)通道，并且应该保留，则使用模式LA:
img = Image.open('image.png').convert('LA')
使用matplotlib和公式
Y' = 0.2989 R + 0.5870 G + 0.1140 B
你可以这样做:
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
def rgb2gray(rgb):
return np.dot(rgb[...,:3], [0.2989, 0.5870, 0.1140])
img = mpimg.imread('image.png')
gray = rgb2gray(img)
plt.imshow(gray, cmap=plt.get_cmap('gray'), vmin=0, vmax=1)
plt.show()
