如何在Python中将RGB图像转换为灰度图像？

Question

我正在尝试使用matplotlib读取RGB图像并将其转换为灰度图像。

在Matlab中，我使用以下代码：

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

在Matplotlib教程中，他们没有涵盖这个问题。他们只是读取了图片。

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

然后他们切片数组，但据我所知，这与将RGB转换为灰度不是同一件事。

lum_img = img[:,:,0]

我觉得很难相信numpy或matplotlib没有内置的将RGB转换为灰度图像的函数。这不是图像处理中常见的操作吗？

我用imread导入的图像写了一个非常简单的函数，只用了5分钟就完成了。它效率极低，但这也是我希望有内置的专业实现的原因。

Sebastian改进了我的函数，但我仍然希望找到内置的函数。

Matlab的（NTSC/PAL）实现：

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

- waspinator

---

请注意，您可以使用以下方式编写与rgb2gray相同的函数：gray = np.mean(rgb, -1)。如果实际上是RGBA，则可能需要在此处添加rgb[...,:3]。 - seberg

嗯，gray = np.mean(rgb, -1) 运行良好。谢谢。不使用这个的原因是什么？为什么要使用下面答案中的解决方案呢？ - waspinator

“灰度维基百科页面”（http://en.wikipedia.org/wiki/Grayscale#Converting_color_to_grayscale）指出将RGB转换为灰度的方法并不唯一，但提供了一些基于亮度的常用公式。这与“np.mean(rgb, -1)”有很大不同。 - unutbu

我想您需要Matlab的版本吗？0.2989 * R + 0.5870 * G + 0.1140 * B，我假设这是标准的做法。 - waspinator

难道不应该是0.2990 * R + 0.5870 * G + 0.1140 * B吗？权重总和应该等于1而不是0.9999。在这里检查：https://en.wikipedia.org/wiki/Grayscale - Alexandre Cartaxo

您可以在此处找到有关将图像转换为灰度的不同方法的详细讨论 - https://e2eml.school/convert_rgb_to_grayscale.html - truth

Answer 1

使用 Pillow 呢？

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

---

如果输入图像中存在 alpha（透明度）通道且应保留该通道，请使用模式LA：

img = Image.open('image.png').convert('LA')

---

使用matplotlib和公式

Y' = 0.2989 R + 0.5870 G + 0.1140 B 

你可以这样做：

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()

- unutbu

---

为什么要使用.convert('LA')？为什么不使用.convert('gray')？这似乎过于晦涩难懂了。PIL文档中没有提到'LA'作为convert函数的选项。 - waspinator

使用PIL时出现了cannot write mode LA as JPEG的错误提示，我需要使用L模式而不是LA模式。 - jsky

为了获得与Matlab版本完全相同的结果（略有不同于ITU-R 601-2亮度变换，我指定了一个调整后的矩阵：img.convert('L', (0.2989, 0.5870, 0.1140, 0))。 - dtk

这个代码“img = Image.open('image.png').convert('LA')”需要修改为“img = Image.open('image.png').convert('L')”。 - nviens

使用LA模式会保留亮度和 alpha 通道。如果使用LA模式，则 greyscale.png 将是一个带有 image.png 的 alpha 通道的 RGBA 图像。如果使用 L 模式，则 greyscale.png 将是一个 RGB 图像（没有 alpha 通道）。 - unutbu

Answer 2

你也可以使用scikit-image，它提供了一些用于将ndarray中的图像进行转换的函数，例如rgb2gray。

from skimage import color
from skimage import io

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

注：此转换中使用的权重是为当代CRT磷光体校准的：Y = 0.2125 R + 0.7154 G + 0.0721 B

或者，您可以通过以下方式以灰度读取图像：

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

- yangjie

---

我得到0<values<1是正常的吗？我需要将它们乘以255才能获得真正的灰度值吗？ - Sam

知道我的目标是使用GLCM特征（greycoprops） - Sam

注意io.imread： "as_grey"已被弃用，推荐使用"as_gray"。用法相同，只是美式拼写。 :) - Halogen

我相信这是对手头问题最有用的答案，其输出也与matplotlib和numpy兼容。 - Mert Beşiktepe

我正在使用颜色对象，但我的图像现在有点偏红，而不是灰色（黑白）。我需要将cmap设置为gray，然后才能在pyplot.imshow()中显示灰度图像。你有什么想法吗？我错在哪里了吗？ - GadaaDhaariGeek

Answer 3

测试了三种方法的速度，使用1000张RGBA PNG图片（224 x 256像素），在Ubuntu 16.04 LTS（Xeon E5 2670 with SSD）上使用Python 3.5运行。

平均运行时间

PIL : 1.037秒

SciPy: 1.040秒

Sk : 2.120秒

PIL和SciPy提供相同的numpy数组（范围从0到255）。SkImage提供从0到1的数组。此外，颜色转换略有不同，可以查看CUB-200数据集中的示例。

SkImage:

PIL :

SciPy :

原图 :

区别 :

代码

1. Performance

   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. Output

   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. Comparison

   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. Imports

   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. Versions

   skimage.<strong>version</strong>
   0.13.0
   scipy.<strong>version</strong>
   0.19.1
   np.<strong>version</strong>
   1.13.1
   

- Maximilian Peters

---

SciPy的图像输入/输出功能实际上就是PIL/Pillow。因此，测试SciPy实际上等同于重新测试PIL/Pillow，只是由于SciPy的封装函数引入的开销可以忽略不计。如果用不依赖PIL/Pillow的OpenCV替换SciPy将会更有用得多。尽管如此，感谢您的专业基准测试！SciKit施加的明显减速令人着迷...并且令人恐惧。 - Cecil Curry

Answer 4

你可以始终使用OpenCV中的imread函数从一开始就将图像文件读取为灰度：

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

此外，如果您想将图像读取为RGB格式，进行一些处理然后转换为灰度图像，则可以使用OpenCV中的cvtcolor：

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

- Diamantatos Paraskevas

---

Ftr：0标志是cv2.CV_LOAD_IMAGE_GRAYSCALE。 - dtk

Answer 5

最快且当前的方法是使用通过pip install Pillow安装的Pillow。

代码如下：

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

- YPCrumble

---

注意，如果您不像上面的示例一样链接方法，convert将返回图像的转换副本。 - Matt

不支持32位PNG格式，值将被“夹紧”到255。 - Andrew Matiuk

Answer 6

使用此公式

Y' = 0.299 R + 0.587 G + 0.114 B 

我们能够做到。

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'))

然而，GIMP将彩色图像转换为灰度图像的软件有三种算法可供选择。

- Innat

Answer 7

该教程存在作弊行为，因为它从RGB编码的灰度图像开始，所以他们只是分离一个单一的颜色通道，并将其视为灰度。你需要做的基本步骤是将RGB颜色空间转换为编码近似于luma / chroma模型的颜色空间，例如YUV / YIQ或HSL / HSV，然后切掉类似luma的通道并将其用作灰度图像。matplotlib似乎没有提供转换为YUV / YIQ的机制，但它确实允许您转换为HSV。

尝试使用matplotlib.colors.rgb_to_hsv（img），然后从数组中分离出最后一个值（V）作为您的灰度值。这不完全等同于luma值，但它意味着您可以全部在matplotlib中完成。

背景：

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

或者，您可以使用PIL或内置的colorsys.rgb_to_yiq()将其转换为具有真正luma值的颜色空间。您也可以全力以赴并自己编写仅luma的转换器，但那可能有些过头了。

- Silas Ray

Answer 8

您可以这样做：

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.copy()

        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()

- am.mansour

Answer 9

如果您已经在使用NumPy/SciPy，您可能同样可以使用以下内容： scipy.ndimage.imread(file_name, mode='L')

- dtk

---

scipy.ndimage.imread()和scipy.misc.imread()在SciPy 1.0.0中已经正式弃用，并将在SciPy 1.2.0中被永久删除。虽然SciPy的文档推荐使用imageio.imread()作为合适的替代，但是该函数的API简单到令人匪夷所思，不提供任何灰度转换支持，因此对于许多应用（包括我们的应用）仍然不适用。</sigh> - Cecil Curry

Answer 10

使用OpenCV非常简单：

import cv2

im = cv2.imread("flower.jpg")

# To Grayscale
im = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
cv2.imwrite("grayscale.jpg", im)

# To Black & White
im = cv2.threshold(im, 127, 255, cv2.THRESH_BINARY)[1]
cv2.imwrite("black-white.jpg", im)

- Shamshirsaz.Navid