首页 > 编程语言 >Python OpenCV彩色图像转灰度图

Python OpenCV彩色图像转灰度图

来源：互联网 2026-07-25 08:13:08

python资讯合集

RGB彩色图像转灰度是图像处理的基础操作，通过丢弃颜色信息保留亮度，可减小数据量并便于后续处理。OpenCV中使用cv2.cvtColor函数一行代码即可实现，转换公式为Gray=0.299×R+0.587×G+0.114×B。该方法同样支持归一化浮点数图像的灰度转换。

RGB彩色图像转换为灰度图像的实现方法

在图像处理领域，RGB彩色图像转换为灰度图像是最基础且最常用的操作之一。灰度图像仅保留亮度信息，每个像素的数值表示该点的明亮程度，颜色信息被完全舍弃。这一过程不仅减少了数据量，还为后续的边缘检测、特征提取等任务提供了便利。

import numpy as np
import matplotlib.pyplot as plt

# 设置matplot中文支持
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 构造一个简单的 RGB 彩色图像
img = np.array([
    [[255, 0, 0], [0, 255, 0], [0, 0, 255]],
    [[255, 255, 0], [0, 255, 255], [255, 0, 255]],
    [[128, 128, 128], [64, 128, 192], [10, 30, 200]]
], dtype=np.uint8)

# RGB 转灰度
gray = (0.299 * img[..., 0] + 0.587 * img[..., 1] + 0.114 * img[..., 2]).astype(np.uint8)

# 输出图像变化
print("原始图像形状:", img.shape)
print("灰度图像形状:", gray.shape)

# 选取一个像素位置并输出其 RGB 和灰度值
pixel_coord = (2, 1)  # 第三行第二列
r, g, b = img[pixel_coord]
gray_value = gray[pixel_coord]
print(f"像素位置 {pixel_coord} 的 R, G, B 值: ({r}, {g}, {b})")
print(f"转换后该像素的灰度值: {gray_value}")

# 显示原图和灰度图
fig, axes = plt.subplots(1, 2, figsize=(8, 4))
axes[0].imshow(img)
axes[0].set_title("原始 RGB 图像")
axes[0].axis("off")

axes[1].imshow(gray, cmap="gray", vmin=0, vmax=255)
axes[1].set_title("转换后的灰度图像")
axes[1].axis("off")

plt.show()

运行结果如下：

长期稳定更新的攒劲资源： >>>点此立即查看<<<

原始图像形状: (3, 3, 3)
灰度图像形状: (3, 3)
像素位置 (2, 1) 的 R, G, B 值: (64, 128, 192)
转换后该像素的灰度值: 116

Python OpenCV彩色图像转灰度图

可见，RGB彩色图像转换为灰度图像的核心公式为：

G
r
a
y
=
0.299
×
R
+
0.587
×
G
+
0.114
×
B

使用OpenCV库进行灰度转换则更为简洁，一行代码即可完成。以下是一个示例：

import cv2

gray_cv = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

print("原始图像形状:", img.shape)
print("OpenCV 转换后的灰度图像形状:", gray_cv.shape)

pixel_coord = (2, 1)
r, g, b = img[pixel_coord]
gray_value = gray_cv[pixel_coord]
print(f"像素位置 {pixel_coord} 的 R, G, B 值: ({r}, {g}, {b})")
print(f"OpenCV 转换后该像素的灰度值: {gray_value}")

fig, axes = plt.subplots(1, 2, figsize=(8, 4))
axes[0].imshow(img)
axes[0].set_title("原始 RGB 图像")
axes[0].axis("off")

axes[1].imshow(gray_cv, cmap="gray", vmin=0, vmax=255)
axes[1].set_title("OpenCV 转换后的灰度图像")
axes[1].axis("off")

plt.show()

运行结果如下：

原始图像形状: (3, 3, 3)
OpenCV 转换后的灰度图像形状: (3, 3)
像素位置 (2, 1) 的 R, G, B 值: (64, 128, 192)
OpenCV 转换后该像素的灰度值: 116

Python OpenCV彩色图像转灰度图

在某些场景下，灰度值可能以浮点数形式呈现，例如深度学习预处理中常需要将像素值归一化至[0,1]区间。此时cv2.cvtColor同样适用于浮点型图像，并返回浮点数灰度结果。

# 将示例图像转换为浮点数模式
img_float = img.astype(np.float32) / 255.0

# 使用 OpenCV 将浮点图像转换为灰度图像
gray_float_cv = cv2.cvtColor(img_float, cv2.COLOR_RGB2GRAY)

print("原始图像 dtype:", img_float.dtype, "值域:", img_float.min(), img_float.max())
print("OpenCV 转换后灰度图像 dtype:", gray_float_cv.dtype, "值域:", gray_float_cv.min(), gray_float_cv.max())

pixel_coord = (2, 1)
r, g, b = img_float[pixel_coord]
gray_value = gray_float_cv[pixel_coord]
print(f"像素位置 {pixel_coord} 的 R, G, B 值（浮点数）: ({r:.3f}, {g:.3f}, {b:.3f})")
print(f"OpenCV 转换后该像素的灰度值（浮点数）: {gray_value:.3f}")

fig, axes = plt.subplots(1, 2, figsize=(8, 4))
axes[0].imshow(img_float)
axes[0].set_title("浮点数 RGB 图像")
axes[0].axis("off")

axes[1].imshow(gray_float_cv, cmap="gray", vmin=0, vmax=1)
axes[1].set_title("OpenCV 转换后的浮点灰度图像")
axes[1].axis("off")

plt.show()

运行结果如下：

原始图像 dtype: float32 值域: 0.0 1.0
OpenCV 转换后灰度图像 dtype: float32 值域: 0.114 0.88600004
像素位置 (2, 1) 的 R, G, B 值（浮点数）: (0.251, 0.502, 0.753)
OpenCV 转换后该像素的灰度值（浮点数）: 0.456

Python OpenCV彩色图像转灰度图