圖像處理：灰度處理和二值化

在圖像處理中，用RGB三個分量（R：Red，G：Green，B：Blue），即紅、綠、藍三原色來表示真彩色，R分量，G分量，B分量的取值范圍均為0~255，比如電腦屏幕上的一個紅色的像素點的三個分量的值分別為：255，0，0。

像素點

像素點是最小的圖像單元，一張圖片由好多的像素點構成，下圖是一張腿的圖片。

查看這張圖片的信息，尺寸是800 * 800 的，寬度是800像素，高度是800像素。也就是說這張圖片是由一個800 * 800的像素點矩陣構成的（不理解矩陣是什么意思的話，可以把矩陣理解為C語言中的二維數組），這個矩陣是800行，800列，像素是圖像的最小單元，這張圖片的寬度是800個像素點的長度，高度是800個像素點的長度，共有800 * 800 = 640000個像素點。

因為一個像素點的顏色是由RGB三個值來表現的，所以一個像素點矩陣對應三個顏色向量矩陣，分別是R矩陣，G矩陣，B矩陣，它們也都是800 *800大小的矩陣。下面展示這張圖片的一部分顏色矩陣數據：

這個是R矩陣中的一部分

這個是G矩陣中的一部分

這個是B矩陣中的一部分

比如每個矩陣的第一行第一列的值分別為：R：240，G：223，B：204，所以這個像素點的顏色就是（240,223,204），三個矩陣的值不一定一 一對應，這樣做只是為了便于讀者理解。

圖像的灰度化

在理解了一張圖片是由一個像素點矩陣構成之后，我們就知道我們對圖像的處理就是對這個像素點矩陣的操作，想要改變某個像素點的顏色，我們只要在這個像素點矩陣中找到這個像素點的位置，比如第x行，第y列，所以這個像素點在這個像素點矩陣中的位置就可以表示成（x，y）,因為一個像素點的顏色由紅、綠、藍三個顏色變量表示，所以我們通過給這三個變量賦值，來改變這個像素點的顏色，比如改成紅色（255，0，0），可以表示為（x，y，（R=255，G=0，B=0））。

那么什么叫圖片的灰度化呢？其實很簡單，就是讓像素點矩陣中的每一個像素點都滿足下面的關系：R=G=B（就是紅色變量的值，綠色變量的值，和藍色變量的值，這三個值相等，“=”的意思不是程序語言中的賦值，是數學中的相等），此時的這個值叫做灰度值。

灰度處理的方法：

一般灰度處理經常使用兩種方法來進行處理。

方法1：

灰度化后的R=（處理前的R + 處理前的G +處理前的B）/ 3

灰度化后的G=（處理前的R + 處理前的G +處理前的B）/ 3

灰度化后的B=（處理前的R + 處理前的G +處理前的B）/ 3

圖片經過方法1進行灰度化后的效果如下：

方法2：

灰度化后的R = 處理前的R * 0.3+ 處理前的G * 0.59 +處理前的B * 0.11

灰度化后的G = 處理前的R * 0.3+ 處理前的G * 0.59 +處理前的B * 0.11

灰度化后的B = 處理前的R * 0.3+ 處理前的G * 0.59 +處理前的B * 0.11

圖片經過方法2進行灰度化后的效果如下：

個人覺得第二種方法處理的效果比較好，第一種方法處理后的圖片有點模糊。

圖像的二值化

什么叫圖像的二值化？二值化就是讓圖像的像素點矩陣中的每個像素點的灰度值為0（黑色）或者255（白色），也就是讓整個圖像呈現只有黑和白的效果。在灰度化的圖像中灰度值的范圍為0~255，在二值化后的圖像中的灰度值范圍是0或者255。

黑色：

二值化后的R = 0

二值化后的G = 0

二值化后的B = 0

白色：

二值化后的R = 255

二值化后的G = 255

二值化后的B = 255

那么一個像素點在灰度化之后的灰度值怎么轉化為0或者255呢？比如灰度值為100，那么在二值化后到底是0還是255?這就涉及到取一個閥值的問題。

常用的二值化方法：

方法1：

取閥值為127（相當于0~255的中數，（0+255）/2=127），讓灰度值小于等于127的變?yōu)?（黑色），灰度值大于127的變?yōu)?55（白色），這樣做的好處是計算量小速度快，但是缺點也是很明顯的，因為這個閥值在不同的圖片中均為127，但是不同的圖片，他們的顏色分布差別很大，所以用127做閥值，白菜蘿卜一刀切，效果肯定是不好的。

方法2：

計算像素點矩陣中的所有像素點的灰度值的平均值avg

（像素點1灰度值+...+像素點n灰度值）/ n = 像素點平均值avg

然后讓每一個像素點與avg一 一比較，小于等于avg的像素點就為0（黑色），大于avg的 像素點為255（白色），這樣做比方法1好一些。

方法3：

使用直方圖方法（也叫雙峰法）來尋找二值化閥值，直方圖是圖像的重要特質。直方圖方法認為圖像由前景和背景組成，在灰度直方圖上，前景和背景都形成高峰，在雙峰之間的最低谷處就是閥值所在。取到閥值之后再一 一比較就可以了。

下面給出一張值化后的效果圖：（腿依稀可見。）

責任編輯：xj

原文標題：圖像處理之灰度化和二值化

文章出處：【微信公眾號：新機器視覺】歡迎添加關注！文章轉載請注明出處。