如何将RGB图像转换为Python中的灰度图像？
我试图用matplotlib读取RGB图像并将其转换为灰度。
在matlab中，我使用这个：
img = rgb2gray(imread('image.png'));
在matplotlib教程中，他们没有涉及。 他们只是在图像中阅读
import matplotlib.image as mpimg img = mpimg.imread('image.png')
然后他们切片数组，但是这不是从我所了解的将RGB转换为灰度。
lum_img = img[:,:,0]
编辑：
我发现很难相信numpy或matplotlib没有内置函数来从rgb转换为灰色。 这不是image processing中的常见操作吗？
我写了一个非常简单的function，使用imread在5分钟内导入的图像。 这是非常低效的，但这就是为什么我希望内置专业实施。
塞巴斯蒂安改善了我的function，但我仍然希望find内置的一个。
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
怎么样做与PIL ：
from PIL import Image img = Image.open('image.png').convert('LA') img.save('greyscale.png')
使用matplotlib和公式
Y' = 0.299 R + 0.587 G + 0.114 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], [0.299, 0.587, 0.114]) img = mpimg.imread('image.png') gray = rgb2gray(img) plt.imshow(gray, cmap = plt.get_cmap('gray')) plt.show()
您也可以使用scikit-image ，它提供了一些function来转换ndarray的图像，如rgb2gray 。
from skimage import color from skimage import io img = color.rgb2gray(io.imread('image.png'))
注 ：此转换中使用的重量是针对当代CRT荧光粉校准的：Y = 0.2125 R + 0.7154 G + 0.0721 B
或者，您可以通过以下方式读取灰度图像：
from skimage import io img = io.imread('image.png', as_grey=True)
您可以始终使用OpenCV中的imread从头开始以灰度forms读取图像文件：
img = cv2.imread('messi5.jpg', 0)
此外，如果你想读取图像为RGB，做一些处理，然后转换为灰度，你可以使用OpenCV中的cvtcolor ：
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
最快和最新的方式是使用枕头 ，通过pip install Pillow 。
代码是：
from PIL import Image img = Image.open('input_file.jpg').convert('L') img.save('output_file.jpg')
本教程是作弊的，因为它是以RGB编码的灰度图像开始的，所以它们只是将单个颜色通道切片并将其视为灰度。 您需要做的基本步骤是从RGB色彩空间转换到一个色彩空间，该色彩空间用接近亮度/色度模型的东西（如YUV / YIQ或HSL / HSV）进行编码，然后切掉类似亮度的通道，并将其用作你的灰度图像。 matplotlib似乎没有提供转换为YUV / YIQ的机制，但它确实让您转换为HSV。
尝试使用matplotlib.colors.rgb_to_hsv(img)然后从数组中切出最后一个值（V）作为灰度。 这与亮度值并不完全相同，但这意味着您可以在matplotlib完成所有操作。
背景：
或者，可以使用PIL或内置的colorsys.rgb_to_yiq()将其转换为具有真实亮度值的色彩空间。 你也可以全力以赴，推出自己的亮度转换器，虽然这可能是矫枉过正的。
如果你已经使用NumPy / SciPy，你可以使用 ：
scipy.ndimage.imread(file_name, mode='L')
Hth，dtk
在Ubuntu 16.04 LTS（带SSD的Xeon E5 2670）上运行Python 3.5的1000个RGBA PNG图像（224 x 256像素）testing了其中三种build议方法的速度。
平均运行时间
pil : 1.037秒
scipy: 1.040秒
sk : 2.120秒
PIL和SciPy给出了相同的numpy数组（范围从0到255）。 SkImage给出从0到1的数组。另外，颜色转换略有不同，请参阅CUB-200数据集中的示例。
SkImage: 
PIL : 
SciPy : 
Original: 
Diff : 
码
-
性能
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)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)对于k，v在run_times.items（）中：
print（'{：5}：{：0.3f} seconds'.format（k，sum（v）/ len（v））） - 产量
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)) - 对照
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')) - import
import skimage.color import skimage.io import random import time from PIL import Image import numpy as np import scipy.ndimage import IPython.display - 版本
skimage. version 0.13.0 scipy. version 0.19.1 np. version 1.13.1
我通过Google来到这个问题，寻找一种方法来将已经加载的图像转换为灰度。
这是一个用SciPy做的方法：
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()
您可以直接使用greyscale()来进行转换。
