图像灰度化的实现

来源：http://blog.csdn.net/likezhaobin/article/details/6915754

     在进行视频流目标识别与跟踪时，通常第一个步骤就是对采集到的彩色图像进行灰度化，这是因为黑白照片数据量小，相比彩照更易实现实时算法，另一方面黑白照片是由未处理的光线所形成的照片，因此从图像处理学角度来看，这种未经特殊滤光处理的图片所涵盖的信息更有价值。
     目前，在图像处理过程中，最常用的彩色图片格式有RGB，HSV、YUV以及HLS三种。以下分别对这三种格式的彩色图像进行灰度化实现。

1、RGB空间图像

     定义于RGB空间的彩色图，其每个像素点的色彩由R、G、B三个分量共同决定。每个分量在内存所占的位数共同决定了图像深度，即每个像素点所占的字节数。以常见的24深度彩色RGB图来说，其三个分量各占1个字节，这样每个分量可以取值为0~255，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。对这样一幅彩色图来说，其对应的灰度图则是只有8位的图像深度（可认为它是RGB三个分量相等），这也说明了灰度图图像处理所需的计算量确实要少。不过需要注意的是，虽然丢失了一些颜色等级，但是从整幅图像的整体和局部的色彩以及亮度等级分布特征来看，灰度图描述与彩色图的描述是一致的。

     对于RGB图像进行灰度化，通俗点说就是对图像的RGB三个分量进行加权平均得到最终的灰度值。最常见的加权方法如下：  

      1）Gray=B；Gray=G；Gray=R

      2）Gray=max(B+G+R)

      3）Gray=(B+G+R)/3

      4）Gray= 0.072169B+ 0.715160G+ 0.212671R
      5）Gray= 0.11B+ 0.59G+ 0.3R

     这三种方法中，第一种为分量法，即用RGB三个分量的某一个分量作为该点的灰度值；第二种方法为最大值法，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。第三种方法将彩色图像中的三分量亮度求平均得到一个灰度图；后两种都是属于加权平均法，其中第四种是OpenCV开放库所采用的灰度权值，第五种为从人体生理学角度所提出的一种权值（人眼对绿色的敏感最高，对蓝色敏感最低）。

2、其他颜色空间的灰度化

     关于HSV以及HLS颜色空间的彩色图灰度化，可以参考网页《HSL和HSV色彩空间》，该网页中所述方法可将几种不同颜色表达方式进行转换，将其转换到RGB空间，然后再采用上述公式进行灰度化。

     关于YUV空间的彩色图像，其Y的分量的物理意义本身就是像素点的亮度，由该值反映亮度等级，因此可根据RGB和YUV颜色空间的变化关系建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。

3、代码实现

     本文旨在对整个实现原理及思路进行总结，因此以下基于OpenCv的基本函数实现这几种变化过程，至于位图以及其他形式的图像，在获取了图像原始数据后，处理方法都一样，仅需注意指针的位置操作即可。具体代码如下：

[cpp] view
plain copy

 print?

IplImage    *ColorImage;                        //定义相应的图像指针  

IplImage    *GrayImage1;                        //从1~5代表5中不同权值的结果  

IplImage    *GrayImage2;  

IplImage    *GrayImage3;  

IplImage    *GrayImage4;  

IplImage    *GrayImage5;  

IplImage    *GrayImage6;  

IplImage    *GrayImage7;  

  

ColorImage = cvLoadImage( "49138.jpg", -1 );    //读取图片  

if (ColorImage == NULL)  

    return;   

  

GrayImage1 = cvCreateImage(cvGetSize(ColorImage),8,1);  

GrayImage2 = cvCreateImage(cvGetSize(ColorImage),8,1);  

GrayImage3 = cvCreateImage(cvGetSize(ColorImage),8,1);  

GrayImage4 = cvCreateImage(cvGetSize(ColorImage),8,1);  

GrayImage5 = cvCreateImage(cvGetSize(ColorImage),8,1);  

GrayImage6 = cvCreateImage(cvGetSize(ColorImage),8,1);  

GrayImage7 = cvCreateImage(cvGetSize(ColorImage),8,1);  

  

CvMat* pGrayMat1 = NULL;         //定义与图像关联的数据指针  

CvMat* pGrayMat2 = NULL;  

CvMat* pGrayMat3 = NULL;  

CvMat* pGrayMat4 = NULL;  

CvMat* pGrayMat5 = NULL;  

CvMat* pGrayMat6 = NULL;  

CvMat* pGrayMat7 = NULL;  

  

pGrayMat1 = cvCreateMat(ColorImage->height, ColorImage->width, CV_32FC1);  

pGrayMat2 = cvCreateMat(ColorImage->height, ColorImage->width, CV_32FC1);  

pGrayMat3 = cvCreateMat(ColorImage->height, ColorImage->width, CV_32FC1);  

pGrayMat4 = cvCreateMat(ColorImage->height, ColorImage->width, CV_32FC1);  

pGrayMat5 = cvCreateMat(ColorImage->height, ColorImage->width, CV_32FC1);  

pGrayMat6 = cvCreateMat(ColorImage->height, ColorImage->width, CV_32FC1);  

pGrayMat7 = cvCreateMat(ColorImage->height, ColorImage->width, CV_32FC1);  

  

BYTE data1;       //中间过程变量  

BYTE data2;  

BYTE data3;  

BYTE data4;  

BYTE data5;  

BYTE data6;  

BYTE data7;  

for(int j=0; j<ColorImage->height; j++)  

{  

    for(int i=0; i<ColorImage->width; i++)  

    {             

        data1 = (BYTE)ColorImage->imageData[j*ColorImage->widthStep + i*3];     //B分量  

        data2 = (BYTE)ColorImage->imageData[j*ColorImage->widthStep + i*3 + 1]; //G分量  

        data3 = (BYTE)ColorImage->imageData[j*ColorImage->widthStep + i*3 + 2]; //R分量  

        data4 = max(data1, max(data2, data3));    //最大值  

        data5 = (BYTE)((data1 + data2 + data3)/3);  

        data6 = (BYTE)(0.072169*data1 + 0.715160*data2 + 0.212671*data3);  

        data7 = (BYTE)(0.11*data1 + 0.59*data2 + 0.30*data3);  

        cvmSet(pGrayMat1, j, i, data1);  

        cvmSet(pGrayMat2, j, i, data2);  

        cvmSet(pGrayMat3, j, i, data3);  

        cvmSet(pGrayMat4, j, i, data4);  

        cvmSet(pGrayMat5, j, i, data5);  

        cvmSet(pGrayMat6, j, i, data6);  

        cvmSet(pGrayMat7, j, i, data6);  

    }  

}  

cvConvert(pGrayMat1, GrayImage1);  

cvConvert(pGrayMat2, GrayImage2);  

cvConvert(pGrayMat3, GrayImage3);  

cvConvert(pGrayMat4, GrayImage4);  

cvConvert(pGrayMat5, GrayImage5);  

cvConvert(pGrayMat6, GrayImage6);  

cvConvert(pGrayMat7, GrayImage7);  

  

cvNamedWindow( "ColorImage",CV_WINDOW_AUTOSIZE);  

cvNamedWindow( "GrayImage1",CV_WINDOW_AUTOSIZE);  

cvNamedWindow( "GrayImage2",CV_WINDOW_AUTOSIZE);  

cvNamedWindow( "GrayImage3",CV_WINDOW_AUTOSIZE);  

cvNamedWindow( "GrayImage4",CV_WINDOW_AUTOSIZE);  

cvNamedWindow( "GrayImage5",CV_WINDOW_AUTOSIZE);  

cvNamedWindow( "GrayImage6",CV_WINDOW_AUTOSIZE);  

cvNamedWindow( "GrayImage7",CV_WINDOW_AUTOSIZE);  

  

cvShowImage("ColorImage", ColorImage);  

cvShowImage("GrayImage1", GrayImage1);  

cvShowImage("GrayImage2", GrayImage2);  

cvShowImage("GrayImage3", GrayImage3);  

cvShowImage("GrayImage4", GrayImage4);  

cvShowImage("GrayImage5", GrayImage5);  

cvShowImage("GrayImage6", GrayImage6);  

cvShowImage("GrayImage7", GrayImage7);  

      

cvWaitKey(0);  

cvDestroyWindow("ColorImage");  

cvDestroyWindow("GrayImage1");  

cvDestroyWindow("GrayImage2");  

cvDestroyWindow("GrayImage3");  

cvDestroyWindow("GrayImage4");  

cvDestroyWindow("GrayImage5");  

cvDestroyWindow("GrayImage6");  

cvDestroyWindow("GrayImage7");  

  

cvReleaseImage(&ColorImage);  

cvReleaseImage(&GrayImage1);  

cvReleaseImage(&GrayImage2);  

cvReleaseImage(&GrayImage3);  

cvReleaseImage(&GrayImage4);  

cvReleaseImage(&GrayImage5);  

cvReleaseImage(&GrayImage6);  

cvReleaseImage(&GrayImage7);  

  

cvReleaseMat(&pGrayMat1);  

cvReleaseMat(&pGrayMat2);  

cvReleaseMat(&pGrayMat3);  

cvReleaseMat(&pGrayMat4);  

cvReleaseMat(&pGrayMat5);  

cvReleaseMat(&pGrayMat6);  

cvReleaseMat(&pGrayMat7);