How can I convert an RGB image into grayscale in Python?

Я пытаюсь использовать matplotlib для чтения в изображении RGB и преобразования его в оттенки серого.

В matlab я использую это:

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

В руководстве по matplotlib они не описывают это. Они просто читают в изображении

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

а затем они нарезают массив, но это не то же самое, что преобразовать RGB в оттенки серого, насколько я понимаю.

lum_img = img[:,:,0]

Мне трудно поверить, что в numpy или matplotlib нет встроенной функции для преобразования rgb в серый. Разве это не обычная операция при обработке изображений?

Я написал очень простую функцию, которая работает с изображением, импортированным с помощью imread за 5 минут. Это ужасно неэффективно, но именно поэтому я надеялся на встроенную профессиональную реализацию.

Себастьян улучшил мою функцию, но я все еще надеюсь найти встроенную.

реализация matlab (NTSC / PAL):

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

Как насчет того, чтобы сделать это с помощью Pillow:

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

Если альфа-канал (прозрачность) присутствует во входном изображении и должен быть сохранен, используйте mode LA:

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

Используя matplotlib и формулу

Y' = 0.2989 R + 0.5870 G + 0.1140 B 

вы могли бы сделать:

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()

Вы также можете использовать scikit-image, который предоставляет некоторые функции для преобразования изображения в ndarray, например rgb2gray.

from skimage import color
from skimage import io

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

Примечания: Веса, используемые в этом преобразовании, откалиброваны для современных люминофоров CRT: Y = 0,2125 R + 0,7154 G + 0,0721 B

В качестве альтернативы, вы можете прочитать изображение в оттенках серого с помощью:

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

Три предложенных метода были протестированы на скорость с 1000 изображениями RGBA PNG (224 x 256 пикселей), работающими с Python 3.5 в Ubuntu 16.04 LTS (Xeon E5 2670 с SSD).

Среднее время выполнения

pil : 1.037 секунды

scipy: 1.040 секунд

sk : 2.120 секунды

PIL и SciPy выдали идентичные numpy массивы (в диапазоне от 0 до 255). SkImage выдает массивы от 0 до 1. Кроме того, цвета преобразуются немного по-другому, смотрите Пример из набора данных CUB-200.

SkImage:

PIL :

SciPy :

Original:

Diff :

Code

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. Вывод
   

   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. Сравнение
   

   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. Импорт
   

   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. Версии
   

   skimage.version
   0.13.0
   scipy.version
   0.19.1
   np.version
   1.13.1
   

Вы всегда можете прочитать файл изображения в оттенках серого с самого начала, используя imread из OpenCV:

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

Кроме того, если вы хотите прочитать изображение как RGB, выполните некоторую обработку, а затем преобразуйте в оттенки серого, которые вы могли бы использовать cvtcolor из OpenCV:

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