073621013王强

1、如何进行彩色图像灰度化处理 073621013 王强摘要： 图像灰度化是指只含亮度信息, 不含色彩信息的图像,广泛应用于图像模式识别、 图像分割、 图像增强等数字图像处理的各个领域。本次设计通过加权平均法、平均值法和最大值法这三种方法，实现了彩色图像的灰度化处理，并对它们进行了对比分析。关键词:加权平均法；平均值法；最大值法；彩色图像；灰度化 引言：数字图像处理就是采用一定的算法对数字图像进行处理，以获得人眼视觉或者某种接受系统所需要的图像处理过程。图像处理的基础是数字，主要任务是进行各种算法设计和算法实现。目前，图像处理技术已经在许多不同的应用领域中得到重视，并取得了巨大成就。根据应用领域要

2、求的不同，数字图像处理技术可以分为许多分支技术。重要的分支技术有：(1) 图像变换。可以有效地减少计算量，提高处理性能。(2) 图像增强与复原。使图像更加清晰，或者将其转换为更适合人或机器分析的形式。(3) 图像压缩编码。大大压缩图像描述的数据量，以便存储和传输。(4) 图像分割。将图像中有意义的特征提取出来。(5) 图像分析。对图像中的不同对象进行分割、分类、识别、描述和解释。(6) 图像识别。进行图像分割和提取，从而进行判别分类。(7) 图像隐藏。媒体信息的相互隐藏。1.处理的相关理论及方案将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量

3、决定，而每个分量有255个中值可取，这样一个像素点可以有1600多万（255×255×255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。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的值叫做灰度值。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。图像的灰度化处理，一

4、般有以下三种设计方案：（1）加权平均法根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，对RGB三分量进行加权平均能得到较合理的灰度图像。（2）平均值法求出每个像素点的R、G、B三个分量的平均值，然后将彩色图像中的这个平均值赋予给这个像素的三个分量。（3）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。分别采用了以上三种设计方案，即加权平均法、平均值法和最大值法，实现了彩色图像的灰度化处理。2.处理的过程采用三种方法，实现对彩色图像的灰度化处理。下面分别对其作具体分析如下：方法一：加权平均法根据重要性及其它指标，将R、G、B三

5、个分量以不同的权值进行加权平均。由于人眼对绿色的敏感度最高，对蓝色敏感度最低。因此，我们可以按下式（1-1），对RGB三分量进行加权平均能得到较合理的灰度图像。f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j) （1-1）方法二：平均值法将彩色图像中的R、G、B三个分量的亮度求简单的平均值，将得到均值作为灰度值输出而得到灰度图。其表达式见下式（1-2）：f(i,j)=(R(i,j)+G(i,j)+B(i,j) /3 （1-2）方法三：最大值法将彩色图像中的R、G、B三个分量中亮度的最大值作为灰度图的灰度值。其表达式见下式（1-3）： f(i,j)=max(R(i,j

6、),G(i,j),B(i,j) （1-3）3.举例来分析并且比较对应如上三种方法，对此图灰度化可分别得到如图1, 2和3。图1 采用加权平均法的灰度图图2 简单平均法之灰度图像图3 最大值法之灰度图像通过上面4副图片可发现，以三种方法得到的处理结果并不完全相同，这是由于不同的处理方法对于灰度值的选取不同，其转化是依据亮度方程f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)来实现的，即依据人眼对不同颜色的敏感度不同，对RGB分量以不同系数的加权平均，得到较为合理的灰度化结果。而采用方法二处理是对RGB三个分量取简单的平均，从而得到对应灰度值，而方法三则是直接取用RG

7、B分量中最大值作为灰度值输出。为作进一步说明问题，可以分别选用红色图，绿色图以及蓝色图用如上方法处理后来进一步比较说明。首先，选用以红色分量较多的图像进行处理，如图4所示。图4 红色图像灰度化对比观察如上对比结果可以发现，对于前两种方法处理得到的figure2和figure3，两图中红色分量灰度化之后基本没有区别，这是由于采用加权平均法对红色分量R的加权系数为0.30，而采用简单平均法的红色分量系数为0.33，故两者对于红色分量的处理结果区别不大，而对于figure4，其采用最大值法，故在亮度现实上明显大于前面二者。接下来，选取一绿色分量为主的图像进行处理分析，如图5所示。图5 绿色图像灰度化

8、对比观察如上对比图像结果可以发现，figure3的亮度明显低于figure2，而figure4的亮度则为三个处理结果中最大的。稍加分析，不难发现，这是由于在方法一的处理中，其对于绿色分量的加权系数为0.59，而方法二中绿色分量的系数约为0.33，加之上图中物体部分颜色为绿色，故作处理后，方法一所得的灰度值大于方法二处理得到的灰度值，因而在显示上，方法一对应的figure2较之方法二对应的figure3更亮；而对于方法三所得的figure4，因其取的是最大值，故最终的灰度值也最大，所以显示最亮。最后，选取一蓝色分量为主的图像进行处理，如图6所示。图6 蓝色图像灰度化对比对比如上图像可以发现，此时

9、figure3的亮度大于figure2的，而figure4的亮度依然是三个图像中最大的。这是由于在得到figure2的方法中，其对于蓝色分量的加权系数是0.11，而figure3对应的方法二中蓝色分量的系数约为0.33，加之此图像中蓝色分量居多，因而就不难解释如上现象，对于方法一处理后对应像素点的灰度值小于方法三处理后对应点的灰度值，故显示在图像上，figure2就偏暗，而figure4取的是最大值，故最终在亮度显示上最亮。根据上文分析，不难解释在图像1, 2和3之间显示不同的问题。由于原图是一七彩图，其包含了红、绿、蓝以及这三者组合得到的其他颜色分量，故在最终显示上，由方法一所得的图1可在对

10、比方法二所得的图2时，有些部分偏亮，而有些部分则偏暗，这都是由于两种方法中对不RGB三个不同分量的加权平均系数不一致而造成的。而对于方法三，由于它只是简单的选取三个分量中的最大值作为灰度值输出，故图3的亮度最大。4.得出结论通过这次的课程论文，我深深的感受到了自身的不足。不但需要多方面的知识，同时还要考验一个人的独立动脑能力和动手能力，这在课本上学不到的。另外，这还要求我们具有一定的自学能力，在面对多次错误时要能冷静，并且还要有坚定的意志力，并且使我实际中，仅仅拥有理论知识是远远不够的，如果不能把理论赋予实践，再丰富的理论知识也只能是“纸上谈兵”，只有将理论与实践相结合，才能结出智慧的果实。这次设计论文是对我们综合能力的检测，是培养我们的专业素养以及学习兴趣的很好的途径，学习把理论付诸于实现，能够让我们更加清楚的看到我们努力的结果。虽然本次设计已经结束了，但是我不会忘记从中收到的感受与启发，相信在以后的学习中，我将更加认真努力，争取从知识以及动手能力方面都能更上一层楼！参考文献1龚声蓉,刘纯平. 数字图像处理与分析.清华大学出版社，2006.7.2 Rafael C.Gonzalez ，Richard E.wo