如何用Python将RGB图像转换为灰度图像

为了开始，导入 cv2模块，它将提供读取原始图像并将其转换成灰度所需的功能。我们将使用argparse模块通过命令行传递图像，然后它将把图像转换成灰度。

Python RGB图像转灰度

要在Python中把 RGB 图像转换成灰度 ，可以使用cv2.imread(args["image"])和cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 方法。

首先，我们必须安装opencv-python包。你可以用下面的命令来安装它：

python3 -m pip install opencv-python

# OR

pip install opencv-python

要将RGB图像转换为灰度，请按照以下步骤进行：

1. 导入所需的模块
2. 定义一个灰度转换函数
3. 使用argparse模块获取输入图像。

第一步：导入所需模块

我们将使用PIL模块中的图像对象。所以我们要特别导入这个模块。

然后导入argparse模块。然后，再导入cv2模块和os模块：

# app.py

import argparse
import cv2
import os

第二步：定义一个灰度函数。

我们将在这个函数中使用cv2.imread()方法读取图像。

为了简单起见，我们假设文件存在，并且一切加载正常，所以我们将不做任何错误或异常检查。

尽管如此，你应该处理这些类型的异常，以实现强大的代码。否则你会陷入麻烦。

请看下面的代码：

# Function to convert RGB Image to GrayScale
def convertImageToGray(args):
    image = cv2.imread(args["image"])
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    filename = f"{os.getpid()}.png"
    cv2.imwrite(filename, gray)
    print('The image is converted to Grayscale successfully')

你可以看到，我们定义了一个名为**convertImageToGray()**方法的函数。

该函数将args作为一个参数。这个参数包含我们需要转换为灰度的图像。

作为一个额外的说明，这对于转换为灰度是必要的，imread()函数的通道默认是以BGR （蓝、绿、红）的顺序存储的。

接下来，我们需要将图像解析为灰度。要做到这一点，我们必须调用**cvtColor()**函数，它允许我们将图像从一个颜色空间转换到另一个颜色空间。

作为第一个输入，这个函数接收原始图像。作为第二个输入，它得到颜色空间转换代码。由于我们要将原始RGB图像从BGR色彩空间转换为灰色，我们使用代码COLOR_BGR2GRAY。

让我们进入最后一步。

第三步：获取输入图像

在app.py文件内添加以下代码：

# Fetch the arguments from the command line
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,
                help="path to input image")
args = vars(ap.parse_args())

我们的命令行参数被解析了。我们有以下的命令行参数。

1. -图像：我们要发送给函数的图像的路径。

因此，当我们运行命令python3 app.py时，我们传递给图像的参数路径，如下所示。

python3 app.py --image="data.jpg"

这里，data.jpg图片被传递给**convertImageToGray()**方法。

最后，调用该函数。

所以，我们的最终代码看起来像下面这样。

import argparse
import cv2
import os

# Function to convert RGB Image to GrayScale
def convertImageToGray(args):
    image = cv2.imread(args["image"])
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    filename = f"{os.getpid()}.png"
    cv2.imwrite(filename, gray)
    print('The image is converted to Grayscale successfully')


# Fetch the arguments from the command line
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,
                help="path to input image")
args = vars(ap.parse_args())

# Call the convertImageToGray() Function
filename = convertImageToGray(args)

这就是了，现在，到终端输入以下命令，并输入图像路径。

python3 app.py --image="data.jpg"

你可以检查你当前的项目文件夹，寻找一个图像名称，如4999.png或任何四位数的数字.png图像。我的图像在下面输出的右边。 请看下面的输出。

应用阈值对图像进行预处理

到目前为止，在命令的时候，我们只传递了一个参数，叫做-image。

现在，我们将传递另一个参数，叫做preprocess，其值是以下两个中的一个：

1. 阈值
2. 模糊

我们可以检查是否应该应用阈值处理来预处理图像，否则就进行检查，看是否应该进行中值模糊处理来去除噪声。

请看下面的代码：

import argparse
import cv2
import os

# Function to convert Normal Image to GrayScale
def convertImageToGray(args):
    image = cv2.imread(args["image"])
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # check to see if we should apply thresholding to preprocess the image
    if args["preprocess"] == "thresh":
        gray = cv2.threshold(gray, 0, 255,
                             cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]

    # check to see if median blurring should be done to remove noise
    elif args["preprocess"] == "blur":
        gray = cv2.medianBlur(gray, 3)

    # write the grayscale image to disk as a temporary file.
    filename = f"{os.getpid()}.png"
    cv2.imwrite(filename, gray)
    print('The image is converted to Grayscale successfully')


# Fetch the arguments from the command line
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,
                help="path to input image to be OCR'd")
ap.add_argument("-p", "--preprocess", type=str, default="thresh",
                help="type of preprocessing to be done")
args = vars(ap.parse_args())

# Call the convertImageToGray() Function
filename = convertImageToGray(args)

现在输入以下命令：

python3 app.py --image="data.jpg" --preprocess="thresh"

输出

我们将根据我们的命令行参数指定的预处理方法，对图像进行阈值处理或模糊处理。这就是你要添加更高级的预处理方法的地方。

函数内部的if语句执行一个阈值，将前景和背景分开。我们使用cv2.THRESH_BINARY和cv2.THRESH_OTSU 这两个标志来做这个。

关于大津方法的细节，请参见OpenCV官方文档中的 "大津的二值化"。

另外，也可以应用一种模糊方法。当-preprocess标志被设置为模糊时，将应用中值模糊。应用中值模糊可以帮助减少盐和胡椒的噪音。这种过滤器对于使用Tesseract对图像进行正确的OCR非常有用。

我们还可以使用cv2模块以编程方式打开RGB图像和灰度图像。

你只需在函数中添加以下代码就可以打开这两种图像：

cv2.imshow('Original image',image)
cv2.imshow('Gray image', gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

为了显示图像，我们必须调用cv2模块的imshow()函数。

cv2.imshow()函数的第一个输入是要分配给窗口的名称的字符串，第二个参数是要显示的图像。

我们将显示两张图像，以比较转换后的图像和原始图像。

最后，我们将调用waitKey() 方法，它将等待一个键盘事件。

waitKey()方法的输入是延迟，以毫秒为单位。尽管如此，如果我们传递的值是0，它将无限期地等待，直到一个按键事件发生。

最后，一旦用户按下按键，我们就调用**destroyAllWindows()**函数，它将销毁之前创建的窗口。

请看完整的代码：

import argparse
import cv2
import os

# Function to convert Normal Image to GrayScale
def convertImageToGray(args):
    image = cv2.imread(args["image"])
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # check to see if we should apply thresholding to preprocess the image
    if args["preprocess"] == "thresh":
        gray = cv2.threshold(gray, 0, 255,
                             cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]

    # check to see if median blurring should be done to remove noise
    elif args["preprocess"] == "blur":
        gray = cv2.medianBlur(gray, 3)

    # write the grayscale image to disk as a temporary file.
    filename = f"{os.getpid()}.png"
    cv2.imwrite(filename, gray)
    print('The image is converted to Grayscale successfully')
    cv2.imshow('Original image', image)
    cv2.imshow('Gray image', gray)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


# Fetch the arguments from the command line
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,
                help="path to input image to be OCR'd")
ap.add_argument("-p", "--preprocess", type=str, default="thresh",
                help="type of preprocessing to be done")
args = vars(ap.parse_args())

# Call the convertImageToGray() Function
filename = convertImageToGray(args)

现在，输入以下命令：

python3 app.py --image="data.jpg" --preprocess="thresh"

总结

我们为动态图像转换创建了这个教程。所以你可以输入任何你想要的路径，使用Python中的argparse模块将该图像转换为灰度。

本教程就到此为止。