如何在Python中将RGB图像转换为灰度？

Question

我试图使用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 tutorial中，它们不覆盖它。他们只是在图像中读到

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

然后他们对数组进行切片，但这与根据我的理解将RGB转换为灰度不同。

lum_img = img[:,:,0]

我发现很难相信numpy或matplotlib没有一个内置函数来从rgb转换为gray。这不是图像处理中常见的操作吗？

我编写了一个非常简单的函数，它可以在5分钟内处理使用imread导入的图像。它的效率非常低，但这就是为什么我希望内置一个专业的实现。

塞巴斯蒂安改进了我的功能，但我还是希望能找到内置的。

matlab（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

Answer 1

在Ubuntu 16.04lts（xeone52670ssd）上用Python 3.5运行1000个RGBA PNG图像（224x 256像素），测试了三种建议的方法的速度。

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）。skipage给出从0到1的数组。此外，颜色的转换略有不同，请参见CUB-200 dataset.中的示例

SkImage:

PIL :

SciPy :

Original:

Diff :

代码

1. 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)
   
   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：
   打印（'{:5}:{:0.3f}秒'。格式（k，sum（v）/len（v）））
   

2. 输出

   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. 比较

   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. 进口

   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. 版本

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