如果需要处理的原图及代码，请移步小编的GitHub地址
传送门：请点击我
如果点击有误：https://github.com/LeBron-Jian/ComputerVisionPractice
下面主要学习图像灰度化的知识，结合OpenCV调用 cv2.cvtColor()函数实现图像灰度化，使用像素处理方法对图像进行灰度化处理。
1. 图像灰度化 1.1 图像灰度化原理图像灰度化是将一幅彩色图像转换为灰度化图像的过程。彩色图像通常包括R、G、B三个分量，分别显示出红绿蓝等各种颜色，灰度化就是使彩色图像的R、G、B三个分量相等的过程。灰度图像中每个像素仅具有一种样本颜色，其灰度是位于黑色与白色之间的多级色彩深度，灰度值大的像素点比较亮，反之比较暗，像素值最大为255（表示白色），像素值最小为0（表示黑色）。
假设某点的颜色由RGB(R,G,B)组成，常见灰度处理算法如下表所示（盗图：https://blog.csdn.net/Eastmount/article/details/88785768）
上表中Gray表示灰度处理之后的颜色，然后将原始RGB(R,G,B)颜色均匀地替换成新颜色RGB(Gray,Gray,Gray)，从而将彩色图片转化为灰度图像。
一种常见的方法是加权平均灰度处理，这种效果是最好的。是将RGB三个分量求和再取平均值，但更为准确的方法是设置不同的权重，将RGB分量按不同的比例进行灰度划分。比如人类的眼睛感官蓝色的敏感度最低，敏感最高的是绿色，因此将RGB按照0.299、0.587、0.114比例加权平均能得到较合理的灰度图像，如公式所示：
下面代码是调用cvtColor()函数将图像进行灰度化处理的代码：
#_*_coding:utf-8_*_ import cv2 import numpy as np import matplotlib.pyplot as plt #读取原始图片 src1 = cv2.imread('irving.jpg') src2 = cv2.cvtColor(src1, cv2.COLOR_BGR2RGB) #图像灰度化处理 grayImage = cv2.cvtColor(src1, cv2.COLOR_RGB2GRAY) grayImage1 = cv2.imread('irving.jpg', 0) # #显示图像 # cv2.imshow("src", src) # cv2.imshow("result", grayImage) # #等待显示 # cv2.waitKey(0) # cv2.destroyAllWindows() plt.subplot(2,2,1), plt.imshow(src1) plt.xticks([]), plt.yticks([]) plt.title('origin image BGR') plt.subplot(2,2,2), plt.imshow(src2) plt.xticks([]), plt.yticks([]) plt.title('origin image RGB') plt.subplot(2,2,3), plt.imshow(grayImage) plt.xticks([]), plt.yticks([]) plt.title('BGR2gray image') plt.subplot(2,2,4), plt.imshow(grayImage1) plt.xticks([]), plt.yticks([]) plt.title('gray image') plt.show()