图像灰度化算法简介(一)
彩色图像灰度化
摘 要
图像处理是一门很有价值的学科，在科学技术不断发展的今天它的技术已趋于成熟。同时图像之间的处理, 在实际应用中也显的越来越重要。本课程设计的主要任务是完成数字图像处理中关于彩色图像灰度化的仿真，观察仿真结果，并进行结果分析。本课程设计的系统开发平台为MATLAB，程序运行平台为Windows98/2000/XP。本次课程设计通过加权平均法、平均值法和最大值法这三种方法，实现了彩色图像的灰度化处理，并对它们进行了对比分析。最后，完成了彩色图像灰度化的仿真。
关键词: MATLAB7.0；彩色图像；灰度化
目 录
1 设计目的……………………………………………………………….….….1
2 设计方案……………………………………………………………………...1
3 相关知识………...……………………………………………………………2
4 详细设计……………………………………………………………………...3
5 源代码及分析………..……………………………………………………….4
6 功能仿真图及分析……………………………………..…………………….6
7 结束语…………………………………………………………………….....11
8 参考文献………………………………………………………………..…...12
附录 彩页图像……………………………………………………………….13
1 设计目的
1、通过MATLAB仿真软件，实现彩色图像的灰度化处理；
2、学习并熟悉MATLAB编程环境的一般操作和运用；
3、在加深对数字图像处理课本知识理解的基础上，学会运用已学的知识设计彩色图像灰度化的处理方法并对结果进行分析。
2 设计方案
将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255个中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值。因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。图像的灰度化处理，一般有以下三种设计方案：
1、加权平均法
根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，对RGB三分量进行加权平均能得到较合理的灰度图像。【图像灰度化算法简介】
2、平均值法
求出每个像素点的R、G、B三个分量的平均值，然后将彩色图像中的这个平均值赋予给这个像素的三个分量。
3、最大值法【图像灰度化算法简介】
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。
本课程设计分别采用了以上三种设计方案，即加权平均法、平均值法和最大值法。在MATLAB中，通过编程实现了彩色图像的灰度化处理。 3 相关知识
1、设计平台
本次设计采用的平台是MATLAB 7.0。MATLAB编程语言被业界称为第四代计算机语言，它允许按照数学推导的习惯编写程序。MATLAB7.0的工作环境包括当前工作窗口、命令历史记录窗口、命令控制窗口、图形处理窗口、当前路径选择菜单、程序编辑器、变量查看器、模型编辑器、GUI编辑器以及丰富的函数库和MATLAB附带的大量M文件。
MATLAB是由美国Math Works公司生产的一个为科学和工程计算专门设计的交互式大型软件，是一个可以完成各种计算和数据处理的、可视化的、强大的计算工具。它集图示和精确计算于一身，在应用数学、物理、化工、机电工程、医药、金融和其他需要进行复杂计算的领域得到了广泛应用。MATLAB作为一种科学计算的高级语言之所以受欢迎，就是因为它有丰富的函数资源和工具箱资源，编程人员可以根据自己的需要选择函数，而无需再去编写大量繁琐的程序代码，从而减轻了编程人员的工作负担，被称为第四代编程语言。
在MATLAB设计环境中，图像处理工具箱提供一套全方位的参照标准算法和图形工具，用于进行图像处理、分析、可视化和算法开发。可用其对有噪声图像或退化图像进行去噪声或还原、增强图像以获得更高清晰度、提取特征、分析形状和纹理以及对两个图像进行匹配。工具箱中大部分函数均以开放式 MATLAB 语言编写。这意味着可以检查算法、修改源代码和创建自定义函数。图像处理工具箱在生物测定学、遥感、监控、基因表达、显微镜技术、半导体测试、图像传感器设计、颜色科学及材料科学等领域为工程师和科学家提供支持。它也促进了图像处理技术的教学。
2、发展前景
在计算机领域中，灰度数字图像是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的黑色到最亮的白色的灰度，尽管理论上这个采样可以是任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。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色与白色两种颜色；灰度图像在黑色与白色之间还有许多级的颜色深度。但是，在数字图像领域之外，“黑白图像”也表示“灰度图像”，例如灰度的照片通常叫做“黑白照片”。在一些关于数字图像的文章中单色图像等同于灰度图像，在另外一些文章中又等同于黑白图像。【图像灰度化算法简介】
彩色图像的灰度化技术在现代科技中应用越来越广泛, 例如人脸目标的检测与匹配以及运动物体目标的监测等等, 在系统预处理阶段, 都要把采集来的彩色图像进行灰度化处理, 这样既可以提高后续算法速度, 而且可以提高系统综合应用实效, 达到更为理想的要求。因此研究图像灰度化技术具有重要意义。
4 详细设计
本设计采用的三种方法，都实现了对彩色图像的灰度化处理。下面分别对其作具体分析如下：
方法一：加权平均法
根据重要性及其它指标，将R、G、B三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感度最高，对蓝色敏感度最低。因此，在MATLAB中我们可以按下式系统函数（4-1），对RGB三分量进行加权平均能得到较合理的灰度图像。
f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)) （4-1）
方法二：平均值法
将彩色图像中的R、G、B三个分量的亮度求简单的平均值，将得到均值作为灰度值输出而得到灰度图。其表达式见下式（4-2）：
f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 （4-2）
方法三：最大值法
将彩色图像中的R、G、B三个分量中亮度的最大值作为灰度图的灰度值。其表达式见下式（4-3）：
f(i,j)=max(R(i,j),G(i,j),B(i,j)) （4-3）
图像灰度化算法简介(二)
数字图像灰度化方法研究
【摘 要】灰度化在图像处理中至关重要，介绍了几种基本的图像灰度化方法的原理，并编程实现了这几种灰度化方法。 【关键词】灰度化 RGB HSI HSV
一、引言
彩色摄像机采集的图像一般是RGB三个颜色通道的模型，即拥有红（700nm）、绿（546.1nm）、蓝（435.8nm）三个分量，这三个分量不同比例的混合，可以得到人类视觉上几乎全部的色彩信息[1]。但由于该信息占据存储空间大小灰度化后的三倍，并且三个通道没办法按照数学方法进行一些必要的处理（比如边缘检测或者二值化），故需将RGB模型处理成为一种新的色彩通道，该模型只有一个色彩通道，可以令R=G=B，这样原本用三个通道的信息，便转化为一个叫做灰度的值，而这个值的范围同样是0～255，并且可以直观地认为，该数字表示图像上色彩的亮度。由于彩色光（RGB混合）同一波长有可能对应不同的混合颜色，所以我们又定义了色调、饱和度、明度的概念。色调用于标识颜色，如果颜色可以用单一色光和白光按照一定比例配合，则这个颜色的色调用此单一色光的波长表示，若非单色光和白光按照比例合成，则这个颜色的色调用此非单色光的补光表示[2]。饱和度用以表示颜色的纯洁程度，明度用于表示颜色的明亮程度。要提取亮度分量，需要用到HSV和HSL模式。HSV由色调、饱和度、纯度表示颜色。HSL则由色调、饱和度、亮度三个通道构成，是目前应用最多的色彩模式之一[3～4]。灰度化一般可以采取RGB分量、HSL分量、HSV分量、HSI分量等方式。
二、 灰度化原理
（一）RGB分量法：将RGB空间中的R分量、G分量或B分量提取出来称为强度信号，变为所要的图形。
（二）HSL分量法：将RGB空间按公式转换为HSL空间，然后分别提取H、S、L分量[5]。
（三）HSV分量法：将RGB空间按公式转换为HSV空间，然后分别提取H、S、L分量。
（四）HSI分量法：人的视觉系统经常采用HSI色彩空间，它比RGB色彩空间更符合人的视觉特性。在图像处理和计算机视觉中大量算法都可在HSI色彩空间中方便地使用，它们可以分开处理而且是相互独立的。因此，在HSI色彩空间可以大大简化图像分析和处理的工作量。
三、灰度化的实现
四、总结
本文介绍了几种图像灰度化的方法，并用LABVIEW编程实现了，仿真结果表明对于不同的图像应该针对图像本身采用相应的灰度化方法。
参考文献：
[1]郝建青，张仲义，陈滨.基于车辆实时跟踪的编组站综合自动化系统集成方案的研究[J].铁道学报，2000，（2）：1-6.
[2]徐杰民，肖云.二维条码技术现状及发展前景[J].计算机与现代化，2004，（12）：141-142.
[3]张聪，张慧.复杂背景下维条码图像的提取[J].微计算机信息，2007，23（10）：302-304.
[4]霍宏涛，林小竹，何薇.数字图像处理[M].北京：北京理工大学出版社，2003.
[5]刘红霞.图像分割算法的研究与实现[D].上海：华东师范大学，2004.
作者简介：
赵 坤（1987-），女，硕士研究生，研究方向为电气设备在线监测与故障诊断；
赵书涛（1968-），男，博士，教授，研究方向为电气设备在线监测与故障诊断、电磁测量技术。
图像灰度化算法简介(三)
基于图像识别系统的灰度化算法研究与效率分析
【摘要】图像识别系统是为了辨认识别图像中的具体信息而设计的，而识别技术是一个涵盖生物特征识别技术、条码识别技术、光学字符识别技术等，集计算机、光、微电子、通信和网络技术为一体的高技术专业领域。彩色图像灰度化是识别中的一个重要环节，它在图像预处理和打印机处理等方面有着许多应用，是图像处理的基础，本文结合灰度化处理讨论了一些最常见的灰度化算法，并对其进行了详细的研究与效率分析，并在vs2005开发环境下对其进行了实现。 【关键词】图像识别；灰度算法；图像处理
1.引言
人们从外界获得的信息约有75%来自于图像，也就是说人类的大部分信息都是从图像中获得的。利用计算机对图像进行各种形式的处理，从而得到图像所包含的信息的方式促进了图像处理技术的发展。图像灰度处理本身就是图像处理中最具有吸引力的领域之一。自动识别系统将为我们的生活带来一场前所未有的革命，它将使我们的生活更便利、更快捷。它已被广泛用于身份识别、资产管理、高速公路的收费管理、门禁管理、宠物管理等领域，可以实现快速批量的识别和定位，大幅提高企业的管理和运作效率，并降低供应链过程中的成本，提升供应链效率。同时，指纹识别、虹膜识别、掌纹识别等生物特征识别技术产品也开始在我国各领域中推广和普及[2]。
2.灰度简介和现状
图像由颜色构成，彩色是一种心理感觉，它与照明源的辐射能量分布及观察者的视觉有关。人眼的感光细胞吸收光线后将电磁光谱的可见部分分为三个波段：红（R）、绿（G）、蓝（B），所以把这三种颜色称为视觉的三基色。在笛卡尔坐标系中让3个坐标轴分别表示R、G、B的值，从而建立起一个RGB色彩空间模型。在模型中，原点对应黑色，离原点最远的顶点对应白色，从原点到此顶点之间的连线即立方体的对角线上的点就对应了从黑到自之间的灰度值，也叫亮度值[3]。公式如下：
C=xR+yG+zB （1-1）
z+y+z=1 （1-2）
其中R、G、B为三原色，而x、y、z为3种基本颜色的系数，C为任意一种颜色。
计算机图像颜色处理是根据三元色理论，对三种基色分别量化成0到255共256个级别，这样根据红、绿、蓝各种不同基色的组合，就能够表示出256×256×256种颜色，由于颜色值的取值范围是[0，255]，所以灰度的级别只有256种。0最暗（全黑），255最亮（全白），而在RGB模型中，如果R=G=B，则颜色（R，G，B）就表示灰度色。而灰度化处理就是要把彩色图像转换为只有亮度表示的灰度图像。灰度化看起来好像是一个没有什么变化的简单过程，但实际上也具有较大的灵活性，而合理的灰度化对于图像信息的提取和后续处理有很大的帮助[1]。
3.灰度算法的研究
3.1 最大值法
最大值法，即在原有彩色数字图像中，基于RGB模型，使彩色图像每个像素的R，G，B分量值均等于三个分量值中最大的一个，即D=R=G=B=max（R，G，B），D为灰度值。在RGB彩色图像中，设第一个像素的R分量为最大值，然后与该像素的G分量和B分量进行比较，如果R分量最大，则返回R分量的值，并使G分量与B分量分别等于R分量的值。如果R分量不是则继续，直到找出该像素中最大的那一个分量，并使R、G、B分量全都等于最大的那一个分量。然后依次逐一比较到图像最后的一个象素，即可实现最大值法的图像灰度化处理。
3.2 平均值法
从笛卡尔坐标系中建立起一个RGB色彩空间模型。找到某颜色在RGB空间中所对应的点，计算原点至该点向量在对角线上的投影即可得到该颜色的灰度值。假设R、G、B分量都用8位来表示，取值范围是[0，255]，则灰度值可以用下面的公式得到：
（2-1）
式（2-1）中，（r，g，b）表示某颜色在颜色空间中的坐标向量，（255，255，255）表示颜色空间中对角线所对应的向量，||是求向量的模，D为灰度值。经过矢量运算，式（2-1）可简化为：
（2-2）
此时，D的取值范围是[0，255]。进一步假设灰度值也用8位来表示，通过线性变换将D对应的灰度值转化到[0，255]的区间，于是就得到：
（2-3）
按式（2-3）进行灰度化的原理和实现都很简单，这种使R、G、B的恒等于三个色彩分量的平均值的方法称为平均值法，这种方法将R、G、B3个分量同等看待，即D=R=G=B=（r+g+b）/3。然后再依次逐一计算到图像最后的一个像素，使每个像素值都等于其平均值，即可实现平均值法的灰度化处理。
3.3 加权平均值法
“加权”是统计学中常用的名词。考虑到人的视觉感观因素，调整式（2-3）中R、G、B各分量在灰度化时对灰度值的贡献，设它们各自对灰度的贡献分别为cr、cg、cb，这样可以得到：
D=crr+cgg+cbb （2-4）
其中系数cr、cg、cb≥0且满足cr+cg+ cb=1。式中cr、cg、cb分别是r，g，b的权值。当cr、cg、cb取不同的值时，将得到不同灰度的灰度图像[4]。在我国彩色电视PAL制式中，利用R、G、B值计算亮度信号Y时，没有将3种颜色按相同的比例进行混合，而是按照适合于人眼的视觉特点来合成的，图像的亮度和色彩信息主要由人眼锥状细胞获得，人眼对绿色的敏感度最高，红色次之，对蓝色的敏感度最低，因此当cg>cr>cb时，所产生的灰度图像更符合人眼的视觉感受，选取cr=0.299、cg=0.587、cb=0.114，这样就可以合成很自然的黑白图像。这个权值为工业所用，所生成的灰度图像更符合人眼的视觉感受。此时亮度值计算公式如下：
y=0.299r+0.587g+0.114b （2-5）
即D=R=G=B=crr+cgg+cbb为加权平均值法，在RGB彩色图像中，将第一个像素的R分量、G分量与B分量通过给定的权值进行加权、平均计算，求得加权平均值。该值为该像素的灰度值，并使R分量、G分量、B分量全都等于这个值，然后再依次逐一计算到图像最后的一个象素，使每个像素值都等于其加权平均值，即可实现加权平均值法的灰度[5]。 4.处理结果与分析
处理结果如图1所示，图（a）、图（b）图（c）为原始图像。
图1 处理结果图
第二列为最大值法处理的图像，可以看出这三幅图颜色要明亮很多，三基色在颜色映射和灰度化后的灰度都有明显地减弱，由于灰度值选择的是三个分量中最大的那个，因此灰度值较大，背景看着要白一点，整体看来明显要亮一些。第三列为平均值法处理的图像，可以看出这三幅图颜色要偏暗一点，整个图像比较柔和，灰度图像边缘亮度噪声少，平滑效果好。第三列为加权平均值法处理的图像，可以看出这三幅图颜色要偏暗一点，整个图像比较过度很平均，灰度图像平滑效果好。由于选择的是按照适合于人眼的视觉特点的权值，因此灰度值很平均，非常符合人眼的视觉感受，且处理后的图像对后续处理带来很大方便。
5.总结
通过对这些算法的分析，以及实现结果，综合图像灰度化算法的基本观点和系统给出的相关要求，加权平均值法为最适合的，它实现的程序语言简洁，算法结构简单，可读性高，大大提高了程序运行的安全性及可靠性，尤其是对于彩色数字图像的处理，使彩色数字图像在灰度化处理的同时，保存了图像原有的信息，图像没有失真，不但保证了预期结果的实现，而且给系统对于图片的后续处理和识别准备了有利条件。由于该算法是通过特定的权值来运算的，对于一些连续变化的图像，特征并不明显，可能不能很好地区分和表达出来，算法灵活性不够高。今后有待进一步改进和研发，增加图像平滑、BP神经网络识别等功能。
参考文献
[1]崔屹.数字图像处理与应用[M].北京电子工业出版社，1997：80-82.
[2]陈武凡.灰度分析及其在图像处理中的应用[M].北京科学出版社，2002.
[3]刘庆祥，蒋天发.彩色与灰度图像间转换算法的研究[J].武汉理工大学学报，2003，27（3）：344-346.
[4]朱其刚，朱志强.彩色图像转换为灰度图像的算法研究[J].山东科技大学学报，2004，9，23（3）：120-123.
[5]张秀君，孙晓丽.相似度比较的图像灰度匹配算法研究[J].电子科技，2005，3：13-16.
作者简介：彭�汐（1988―），男，四川雅安人，中国天绘卫星中心助理工程师，研究方向：信号分析与图像处理。
http://m.zhuodaoren.com/tuijian286580/
推荐访问:图像灰度化处理 opencv图像灰度化
