开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第5天，点击查看活动详情
前言
在本节中，我们将学习实现六种不同的算法，以将 RGB 彩色图像（具有 R、G、B 三个颜色通道的图像）转换为灰度图像。我们首先介绍不同算法的原理，然后在 rgb2gray() 函数中实现这些算法。
算法原理
首先，介绍多种不同的强度 (intensity) 算法，将 RGB 转换为灰度图像的最简单方法是计算三个颜色通道的平均值：
或者通过使用 RGB 通道的加权组合来与人类的亮度感知相匹配，加权计算公式如下：
我们也可以通过获取 RGB 通道的最大值来计算最终的灰度值：
我们也可以通过亮度 (luster )来获取最终灰度强度值，其中亮度是色调、亮度和饱和度 (HLS) 颜色空间中的L通道，亮度是 RGB 中最小和最大通道值的平均值：
或者，我们可以使用 Lab 色彩空间的 L 通道，将图像从 RGB 空间转换为 Lab 颜色空间，并提取 L (强度)通道值。
最后，我们也可以使用 RGB 色彩空间的 R 通道，即从 RGB 图像中提取红色通道，等效的，我们也可以提取 G 或 B 通道。
将 RGB 图像转换为灰度图像
首先，导入所需的库并定义 rgb2gray() 函数，使用该函数实现上述六种计算灰度图像的算法，并返回每种算法的输出灰度图像：
import numpy as np
from skimage.color import rgb2lab
from skimage.io import imread
import matplotlib.pyplot as plt
def rgb2gray(img):
gray_images = {}
gray_images['intensity'] = np.mean(image, axis=2)
gray_images['luminance'] = np.average(image, axis=2, weights=[0.3, 0.59, 0.11])
gray_images['value'] = np.max(image, axis=2)
gray_images['luster'] = (np.max(image, axis=2) + np.min(image, axis=2)) / 2
gray_images['Lab L'] = rgb2lab(img)[...,0]
gray_images['RGB R'] = img[...,0]
return gray_images
读取并绘制原始图像：
image = imread('1.png')
plt.figure(figsize=(5,5))
plt.imshow(image), plt.axis('off'), plt.title('RGB image', size=10)
plt.show()
调用函数 rgb2gray()，绘制不同算法生成的灰度图像：
gray_images = rgb2gray(image)
i = 1
plt.figure(figsize=(15,10))
plt.gray()
for gray_type in sorted(gray_images):
plt.subplot(2,3,i), plt.imshow(gray_images[gray_type]), plt.axis('off'), plt.title(gray_type, size=10)
i += 1
plt.suptitle('Conerting RGB to GrayScale image with different methods', size=25)
plt.show()
