Bir RGB görüntüsünü Python'da gri tonlamaya nasıl dönüştürebilirim?

matplotlibBir RGB görüntüde okumak ve gri tonlamaya dönüştürmek için kullanmaya çalışıyorum .

Matlab'da bunu kullanıyorum:

img = rgb2gray(imread('image.png'));

Gelen matplotlib öğretici bunu kapsamaz. Sadece görüntüde okuyorlar

import matplotlib.image as mpimg
img = mpimg.imread('image.png')

ve sonra diziyi dilimliyorlar, ama bu RGB'yi anladığımdan gri tonlamaya dönüştürmekle aynı şey değil.

lum_img = img[:,:,0]

Numpy veya matplotlib'in rgb'den griye dönüştürmek için yerleşik bir işlevi olmadığına inanmak zor. Bu görüntü işlemede yaygın bir işlem değil mi?

imread5 dakika içinde içe aktarılan görüntü ile çalışan çok basit bir fonksiyon yazdım . Bu korkunç derecede verimsiz, ama bu yüzden yerleşik bir profesyonel uygulama umuyordum.

Sebastian işlevimi geliştirdi, ancak hala yerleşik olanı bulmayı umuyorum.

matlab (NTSC / PAL) uygulaması:

import numpy as np

def rgb2gray(rgb):

    r, g, b = rgb[:,:,0], rgb[:,:,1], rgb[:,:,2]
    gray = 0.2989 * r + 0.5870 * g + 0.1140 * b

    return gray

Yastık ile yapmaya ne dersin :

from PIL import Image
img = Image.open('image.png').convert('LA')
img.save('greyscale.png')

Matplotlib ve formülü kullanma

Y' = 0.2989 R + 0.5870 G + 0.1140 B 

şunları yapabilirsiniz:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

def rgb2gray(rgb):
    return np.dot(rgb[...,:3], [0.2989, 0.5870, 0.1140])

img = mpimg.imread('image.png')     
gray = rgb2gray(img)    
plt.imshow(gray, cmap=plt.get_cmap('gray'), vmin=0, vmax=1)
plt.show()

Ayrıca kullanabilirsiniz scikit-image bir görüntü dönüştürmek için bazı fonksiyonları sağlar, ndarraygibi rgb2gray.

from skimage import color
from skimage import io

img = color.rgb2gray(io.imread('image.png'))

Notlar : Bu dönüşümde kullanılan ağırlıklar çağdaş CRT fosforları için kalibre edilmiştir: Y = 0.2125 R + 0.7154 G + 0.0721 B

Alternatif olarak, görüntüyü gri tonlarında şu şekilde okuyabilirsiniz:

from skimage import io
img = io.imread('image.png', as_gray=True)

Önerilen yöntemlerden üçü, Ubuntu 16.04 LTS'de (SSD'li Xeon E5 2670) Python 3.5 ile çalışan 1000 RGBA PNG görüntüleri (224 x 256 piksel) ile hız açısından test edildi.

Ortalama çalışma süreleri

pil : 1.037 saniye

scipy: 1.040 saniye

sk : 2.120 saniye

PIL ve SciPy özdeş numpydiziler verdi (0 ila 255 arasında). SkImage 0'dan 1'e kadar diziler verir. Ayrıca renkler biraz farklı dönüştürülür, CUB-200 veri kümesindeki örneğe bakın .

SkImage:

PIL :

SciPy :

Original:

Diff :

kod

1. Verim

   run_times = dict(sk=list(), pil=list(), scipy=list())
   for t in range(100):
       start_time = time.time()
       for i in range(1000):
           z = random.choice(filenames_png)
           img = skimage.color.rgb2gray(skimage.io.imread(z))
       run_times['sk'].append(time.time() - start_time)
   
   
   start_time = time.time()
   for i in range(1000):
       z = random.choice(filenames_png)
       img = np.array(Image.open(z).convert('L'))
   run_times['pil'].append(time.time() - start_time)
   
   start_time = time.time()
   for i in range(1000):
       z = random.choice(filenames_png)
       img = scipy.ndimage.imread(z, mode='L')
   run_times['scipy'].append(time.time() - start_time)
   
   
   for k, v in run_times.items():
       print('{:5}: {:0.3f} seconds'.format(k, sum(v) / len(v)))

2. Çıktı

   z = 'Cardinal_0007_3025810472.jpg'
   img1 = skimage.color.rgb2gray(skimage.io.imread(z)) * 255
   IPython.display.display(PIL.Image.fromarray(img1).convert('RGB'))
   img2 = np.array(Image.open(z).convert('L'))
   IPython.display.display(PIL.Image.fromarray(img2))
   img3 = scipy.ndimage.imread(z, mode='L')
   IPython.display.display(PIL.Image.fromarray(img3))

3. karşılaştırma

   img_diff = np.ndarray(shape=img1.shape, dtype='float32')
   img_diff.fill(128)
   img_diff += (img1 - img3)
   img_diff -= img_diff.min()
   img_diff *= (255/img_diff.max())
   IPython.display.display(PIL.Image.fromarray(img_diff).convert('RGB'))

4. ithalat

   import skimage.color
   import skimage.io
   import random
   import time
   from PIL import Image
   import numpy as np
   import scipy.ndimage
   import IPython.display

5. Sürümler

   skimage.version
   0.13.0
   scipy.version
   0.19.1
   np.version
   1.13.1

Görüntü dosyasını her zaman imreadOpenCV'den başlayarak hemen gri tonlamalı olarak okuyabilirsiniz :

img = cv2.imread('messi5.jpg', 0)

Ayrıca, görüntüyü RGB olarak okumak istiyorsanız, biraz işlem yapın ve ardından OpenCV'den kullanabileceğiniz Gri Ölçek'e dönüştürün cvtcolor:

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

En hızlı ve güncel yol, üzerinden takılan Yastık kullanmaktır pip install Pillow.

Kod şöyledir:

from PIL import Image
img = Image.open('input_file.jpg').convert('L')
img.save('output_file.jpg')

Öğretici hile yapıyor çünkü RGB'de kodlanmış gri tonlamalı bir görüntü ile başlıyor, bu yüzden sadece tek bir renk kanalını dilimliyor ve gri tonlamalı olarak işlem yapıyorlar. Yapmanız gereken temel adımlar, RGB renk uzayından, YUV / YIQ veya HSL / HSV gibi luma / chroma modeline yaklaşan bir şeyle kodlanan bir renk uzayına dönüştürmek, daha sonra luma benzeri kanalı kesip kullanmaktır. gri tonlamalı görüntünüz. matplotlibYUV / YIQ'ya dönüştürmek için bir mekanizma sağlamaz, ancak HSV'ye dönüştürmenize izin verir.

matplotlib.colors.rgb_to_hsv(img)Gri tonunuz için dizideki son değeri (V) kullanmayı ve sonra dilimlemeyi deneyin . Bir luma değeri ile tam olarak aynı değildir, ancak her şeyimatplotlib .

Arka fon:

• http://matplotlib.sourceforge.net/api/colors_api.html
• http://en.wikipedia.org/wiki/HSL_and_HSV

Alternatif olarak, colorsys.rgb_to_yiq()gerçek luma değeri olan bir renk aralığına dönüştürmek için PIL veya yerleşiği kullanabilirsiniz. Her şeyi girebilir ve kendi luma sadece dönüştürücünüzü yuvarlayabilirsiniz, ancak bu muhtemelen aşırıdır.

Bu formülü kullanma

Y' = 0.299 R + 0.587 G + 0.114 B 

Biz yapabiliriz

import imageio
import numpy as np
import matplotlib.pyplot as plt

pic = imageio.imread('(image)')
gray = lambda rgb : np.dot(rgb[... , :3] , [0.299 , 0.587, 0.114]) 
gray = gray(pic)  
plt.imshow(gray, cmap = plt.get_cmap(name = 'gray'))

Ancak, rengi gri tonlamalı görüntü yazılımına dönüştüren GIMP'in görevi yapmak için üç algoritması vardır.

NumPy / SciPy'yi zaten kullanıyorsanız :

scipy.ndimage.imread(file_name, mode='L')

şunları yapabilirsiniz:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

def rgb_to_gray(img):
        grayImage = np.zeros(img.shape)
        R = np.array(img[:, :, 0])
        G = np.array(img[:, :, 1])
        B = np.array(img[:, :, 2])

        R = (R *.299)
        G = (G *.587)
        B = (B *.114)

        Avg = (R+G+B)
        grayImage = img

        for i in range(3):
           grayImage[:,:,i] = Avg

        return grayImage       

image = mpimg.imread("your_image.png")   
grayImage = rgb_to_gray(image)  
plt.imshow(grayImage)
plt.show()

İmg.Convert () kullanın, “L”, “RGB” ve “CMYK” özelliklerini destekler. kip

import numpy as np
from PIL import Image

img = Image.open("IMG/center_2018_02_03_00_34_32_784.jpg")
img.convert('L')

print np.array(img)

Çıktı:

[[135 123 134 ...,  30   3  14]
 [137 130 137 ...,   9  20  13]
 [170 177 183 ...,  14  10 250]
 ..., 
 [112  99  91 ...,  90  88  80]
 [ 95 103 111 ..., 102  85 103]
 [112  96  86 ..., 182 148 114]]

Zaten yüklü bir görüntüyü gri tonlamaya dönüştürmenin bir yolunu arayarak Google aracılığıyla bu soruya geldim.

SciPy ile yapmanın bir yolu:

import scipy.misc
import scipy.ndimage

# Load an example image
# Use scipy.ndimage.imread(file_name, mode='L') if you have your own
img = scipy.misc.face()

# Convert the image
R = img[:, :, 0]
G = img[:, :, 1]
B = img[:, :, 2]
img_gray = R * 299. / 1000 + G * 587. / 1000 + B * 114. / 1000

# Show the image
scipy.misc.imshow(img_gray)

image=myCamera.getImage().crop(xx,xx,xx,xx).scale(xx,xx).greyscale()

greyscale()Dönüşüm için doğrudan kullanabilirsiniz .