Atitit 图像处理 灰度图片 灰度化的原理与实现

Atitit 图像处理 灰度图片 灰度化的原理与实现

 

24位彩色图与8位灰度图

    首先要先介绍一下24位彩色图像，在一个24位彩色图像中，每个像素由三个字节表示，通常表示为RGB。通常，许多24位彩色图像存储为32位图像，每个像素多余的字节存储为一个alpha值，表现有特殊影响的信息[1]。 

    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[2]。这样就得到一幅图片的灰度图。 

几种灰度化的方法

    分量法：使用RGB三个分量中的一个作为灰度图的灰度值。 
    最值法：使用RGB三个分量中最大值或最小值作为灰度图的灰度值。 
    均值法：使用RGB三个分量的平均值作为灰度图的灰度值。 
    加权法：由于人眼颜色敏感度不同，按下一定的权值对RGB三分量进行加权平均能得到较合理的灰度图像。一般情况按照：Y = 0.30R + 0.59G + 0.11B。 
    [注]加权法实际上是取一幅图片的亮度值（人眼对绿色的敏感最高，对蓝色敏感最低 ）作为灰度值来计算，用到了YUV模型。在[3]中会发现作者使用了Y = 0.21 * r + 0.71 * g + 0.07 * b（百度百科：Y = 0.30 * r + 0.59 * g + 0.11 * b）来计算灰度值。实际上，这种差别应该与是否使用伽马校正有关[1]。

 

 

上一篇我们说到过，对图像处理的事实，我们更关心图像的亮度信息，也就是灰度，如何将彩色图像转换成灰度图像呢？很简单，只要令R，G，B三个值相等即可。那么这个值和原R，G，B的值是什么关系呢？

一般的，我们有经验公式   Gray=R×0.299+G×0.587+B×0.114，或者直接取它们的均值即可。前面的经验公式更符合人眼的观测。灰度化函数如下：

 

 

BufferedImage gray_copy = new GrayscaleFilter().filter(img, null);

imgx.save(gray_copy, filex.addSuffix(f, "gray"));

作者:: 绰号:老哇的爪子 （ 全名：：Attilax Akbar Al Rapanui 阿提拉克斯 阿克巴 阿尔 拉帕努伊 ） 

汉字名：艾提拉（艾龙），   EMAIL:1466519819@qq.com

转载请注明来源： http://blog.csdn.net/attilax

Atiend