詳解Java如何實現(xiàn)圖像灰度化

更新時間：2016年08月25日 15:42:49 投稿：daisy

這篇文章主要介紹了灰度化的幾種方法，以及如何使用Java實現(xiàn)灰度化。同時分析了網(wǎng)上一種常見卻并不妥當(dāng)?shù)腏ava灰度化實現(xiàn)，以及證明了opencv的灰度化是使用“加權(quán)灰度化”法，下面一起來看看。

24位彩色圖與8位灰度圖

首先要先介紹一下24位彩色圖像，在一個24位彩色圖像中，每個像素由三個字節(jié)表示，通常表示為RGB。通常，許多24位彩色圖像存儲為32位圖像，每個像素多余的字節(jié)存儲為一個alpha值，表現(xiàn)有特殊影響的信息[1]。

在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度圖像每個像素只需一個字節(jié)存放灰度值（又稱強(qiáng)度值、亮度值），灰度范圍為0-255[2]。這樣就得到一幅圖片的灰度圖。

幾種灰度化的方法

1、分量法：使用RGB三個分量中的一個作為灰度圖的灰度值。

2、最值法：使用RGB三個分量中最大值或最小值作為灰度圖的灰度值。

3、均值法：使用RGB三個分量的平均值作為灰度圖的灰度值。

4、加權(quán)法：由于人眼顏色敏感度不同，按下一定的權(quán)值對RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。一般情況按照：Y = 0.30R + 0.59G + 0.11B。

[注]加權(quán)法實際上是取一幅圖片的亮度值作為灰度值來計算，用到了YUV模型。在[3]中會發(fā)現(xiàn)作者使用了Y = 0.21 * r + 0.71 * g + 0.07 * b來計算灰度值（顯然三個權(quán)值相加并不等于1，可能是作者的錯誤？）。實際上，這種差別應(yīng)該與是否使用伽馬校正有關(guān)[1]。

一種Java實現(xiàn)灰度化的方法

如果你搜索“Java實現(xiàn)灰度化”，十有八九都是一種方法（代碼）：

public void grayImage() throws IOException{
 File file = new File(System.getProperty("user.dir")+"/test.jpg");
 BufferedImage image = ImageIO.read(file);
  
 int width = image.getWidth(); 
 int height = image.getHeight(); 
  
 BufferedImage grayImage = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY); 
 for(int i= 0 ; i < width ; i++){ 
  for(int j = 0 ; j < height; j++){ 
  int rgb = image.getRGB(i, j); 
  grayImage.setRGB(i, j, rgb); 
  } 
 } 
  
 File newFile = new File(System.getProperty("user.dir")+"/method1.jpg"); 
 ImageIO.write(grayImage, "jpg", newFile); 
}

test.jpg的原圖為：

使用上述方法得到的灰度圖：

看到這幅灰度圖，似乎還真是可行，但是如果我們使用opencv來實現(xiàn)灰度化或使用PIL（Python），你會發(fā)現(xiàn)效果相差很大：

img = cv2.imread('test.jpg',cv2.IMREAD_COLOR)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imwrite('PythonMethod.jpg', gray)

可以清楚的看到，使用opencv（PIL也是一樣的）得到的灰度圖要比上面Java方法得到的方法好很多，很多細(xì)節(jié)都能夠看得到。這說明，網(wǎng)上這種流行的方法一直都存在這某種問題，只是一直被忽略。

opencv如何實現(xiàn)灰度化

如果讀過opencv相關(guān)的書籍或代碼，大概都能知道opencv灰度化使用的是加權(quán)法，之所以說是大概，因為我們不知道為什么opencv灰度化的圖像如此的好，是否有其他的處理細(xì)節(jié)被我們忽略了？

驗證我們的猜想很簡單，只要查看像素值灰度化前后的變化就知道了，可以如下測試：

img = cv2.imread('test.jpg',cv2.IMREAD_COLOR)
h, w = img.shape[:2]
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
for j in range(w):
 for i in range(h):
  print str(i) + " : " + str(j) + " " + str(gray[i][j])
print img[h-1][w-1][0:3]

以下打印了這么多像素點，我們也很難判斷，但是我們只要關(guān)注一下最后一個像素點，就能夠發(fā)現(xiàn)端倪：原圖最后的像素點RGB值為44，67，89，而灰度化之后的值為71。正好符合加權(quán)法計算的灰度值。如果你檢查之前用Java灰度化的圖片的像素值，你會發(fā)現(xiàn)不僅僅像素值不符合這個公式，甚至相差甚遠(yuǎn)。

到此，我們猜測opencv（也包括PIL）是使用加權(quán)法實現(xiàn)的灰度化。

Java實現(xiàn)加權(quán)法灰度化

如果網(wǎng)上那段流行的方法不行，我們該如何使用Java實現(xiàn)灰度化？實際上[3]已經(jīng)成功的實現(xiàn)了（多種方法的）灰度化（外國友人搞技術(shù)還是很給力的），在此僅僅提取必要的代碼：

private static int colorToRGB(int alpha, int red, int green, int blue) {
 
  int newPixel = 0;
  newPixel += alpha;
  newPixel = newPixel << 8;
  newPixel += red;
  newPixel = newPixel << 8;
  newPixel += green;
  newPixel = newPixel << 8;
  newPixel += blue;
 
  return newPixel;
 
}
public static void main(String[] args) throws IOException {
 BufferedImage bufferedImage 
  = ImageIO.read(new File(System.getProperty("user.dir" + "/test.jpg"));
 BufferedImage grayImage = 
  new BufferedImage(bufferedImage.getWidth(), 
       bufferedImage.getHeight(), 
       bufferedImage.getType());
   
  
 for (int i = 0; i < bufferedImage.getWidth(); i++) {
  for (int j = 0; j < bufferedImage.getHeight(); j++) {
   final int color = bufferedImage.getRGB(i, j);
   final int r = (color >> 16) & 0xff;
   final int g = (color >> 8) & 0xff;
   final int b = color & 0xff;
   int gray = (int) (0.3 * r + 0.59 * g + 0.11 * b);;
   System.out.println(i + " : " + j + " " + gray);
   int newPixel = colorToRGB(255, gray, gray, gray);
   grayImage.setRGB(i, j, newPixel);
  }
 }
 File newFile = new File(System.getProperty("user.dir") + "/ok.jpg");
 ImageIO.write(grayImage, "jpg", newFile);
}

上面的代碼會打印出灰度化后的像素值，如果再與上面的Python代碼做對比，你會發(fā)現(xiàn)像素值完全的對應(yīng)上了。colorToRGB方法中對彩色圖的處理正好是4個字節(jié)，其中之一是alpha參數(shù)（前文所講），下圖是這段代碼灰度化后的圖像：

對于其他方法，依次同理可得。

總結(jié)

本文的成因本是希望使用Java實現(xiàn)幾種灰度化操作，并使用opencv來驗證轉(zhuǎn)化的對錯，但在實際測試中發(fā)現(xiàn)了一些問題（轉(zhuǎn)化后的圖片有差異，以及如何在轉(zhuǎn)化后根據(jù)灰度值生成灰度圖等問題），并就此進(jìn)行了一定的思考與驗證。這里需要注意的是，網(wǎng)上的一些文章或多或少沒有做更進(jìn)一步的思考（甚至很多都是照搬，尤其是國內(nèi)的文章），而對于這些實際問題，動手實現(xiàn)并驗證是非常重要的方法。希望本文的內(nèi)容對大家能有所幫助。如果有疑問可以留言討論。

您可能感興趣的文章: