【Emgu.CV教程】第16篇 、色彩处理之灰度图
我们看到的彩色图像，一般都是BGR颜色空间的，也就是一副图像，是由蓝色通道、绿色通道、红色通道组合而成。而灰度图只有一个通道，他有256个灰度等级，255代表全白，0表示全黑。
注意啊，下面这副黑白图像，利用Emgu.CV的默认方式读取的时候，可不是灰度图，而是BGR格式的彩色图片。
读取过程如下，您看是不是个三通道的BGR颜色空间图片，这个时候要是遍历srcMat的所有像素点，您会发现它每个像素点上三个通道的值是相同的。它其实可以看成是三个完全相同的灰度图组成。
记住：灰度图是单通道、彩色图片是三通道，不是黑白色的图像就是灰度图。
那要怎么把Emgu.CV的读取的图片转成灰度图呢?下面以 lena.jpg 举例。
1、CvtColor()转灰度图
可以使用CvtColor()，官方介绍如下：
public static void CvtColor(
IInputArray src, // 输入图像
IOutputArray dst, // 输出图像
ColorConversion code, // 颜色空间转换代码
int dstCn = 0 // 输出图像的通道数，默认值为 0，可以不写
)这个函数就是完成颜色空间转换，功能非常强大，当BGR转灰度图时，要选择 ColorConversion.Bgr2Gray，使用方式如下：
Mat dstMat = srcMat.Clone();
CvInvoke.CvtColor(dstMat, dstMat, ColorConversion.Bgr2Gray);
CvInvoke.Imshow("CvtColor gray Mat, " + dstMat.Size.ToString(), dstMat);lena.jpg转成灰度图的效果如下：
2、更进一步的背景知识
其实是我从网上搜集到的，BGR转灰度图，是有很多算法的。使用不同的算法，得到的灰度图结果也不一样，比如：
- 平均值法：Gray = (Red + Green + Blue) / 3
- 最大灰度值法：Gray = Max(Red, Green, Blue)
- 最小灰度值法：Gray = Max(Red, Green, Blue)
- 加权平均 - - 浮点处理法：Gray = (Red * 0.299 + Green * 0.587 + Blue * 0.114)
- 加权平均 - - 整数处理法：Gray = (Red * 30 + Green * 59 + Blue * 11) / 100
Emgu.CV里的CvtColor()函数，更准确的说是OpenCV里的CvtColor()函数采用的是什么算法，我也不知道。读者与兴趣可以去github上研究研究。
3、Decolor()脱色处理
这个介绍的不多哈，读者们赚了。彩色图片转灰度图时，除了用最常见的CvtColor()函数以外，还有一个Decolor()函数，与CvtColor()函数相比，更能保持原始图像的颜色对比度。这个算法更加复杂，该代码是源于香港中文大学计算机科学与工程系的一篇论文 ，链接地址如下：
Contrast Preserving Decolorization
不想研究源码的读者，直接看下面的使用方法：
Mat tempMat = srcMat.Clone();
Mat dstMat1 = new Mat();
Mat dstMat2 = new Mat();
Mat colorBoostMat = new Mat();
CvInvoke.Decolor(tempMat, dstMat1, colorBoostMat);
CvInvoke.CvtColor(tempMat, dstMat2, ColorConversion.Bgr2Gray);
CvInvoke.Imshow("Decolor() gray Mat, " + dstMat1.Size.ToString(), dstMat1);
CvInvoke.Imshow("Decolor() color boost Mat, " + colorBoostMat.Size.ToString(), colorBoostMat);
CvInvoke.Imshow("CvtColor gray Mat, " + dstMat2.Size.ToString(), dstMat2);原始图片srcMat、Decolor()脱色后的灰度图、CvtColor()直接转换的灰度图如下：
可以看到，Decolor()脱色后的灰度图明暗对比要更明显一些。这个函数比较适合这种透雾处理的图片，但是运算速度要明显比CvtColor()函数慢很多，一般情况下还是选择用CvtColor()函数。
4、手搓算法转灰度图
据说是采用 加权平均更符合人眼的视觉效果，而且整数法又要快于浮点法。那接下来我们自己也可以写一个算法，试一试把BGR图像转灰度图：
int width = srcMat.Cols;
int height = srcMat.Rows;
Mat dstMat = new Mat(new System.Drawing.Size(width, height), DepthType.Cv8U, 1);
Mat tempMat = srcMat.Clone();
Image dstImage = new Image(width, height);
Image tempImage = tempMat.ToImage();
for (int i = 0; i < height; i++)
{
for (int j = 0; j < width; ++j)
{
dstImage.Data[i, j, 0] = ((11 * tempImage.Data[i, j, 0]) + (59 * tempImage.Data[i, j, 1]) + (30 * tempImage.Data[i, j, 2])) / 100;
}
}
dstMat = dstImage.Mat;
dstMat.ConvertTo(dstMat, DepthType.Cv8U);
CvInvoke.Imshow("Custom function gray Mat, " + dstMat.Size.ToString(), dstMat); 转换后的lena.jpg如下图：
将lena.jpg转灰度图时，用Emgu.CV的CvtColor()函数用时0.012秒，手搓的算法用时0.019秒，慢差不多0.007秒，如果使用C++配合OpenCV应该更快。看到了吧，差距不小，为什么OpenCV这么流行，人家是有很高的技术含量的。至于有多高，两层楼那么高吧。
灰度图只有亮度信息而没有颜色信息，这种特性使得它在在图像处理领域中应用非常广泛，包括：
- 去除颜色影响后，灰度图像可以更容易地反应图像的纹理、边缘。比如医学领域里的X光、CT影像图片。
- 灰度图每个点就256个维度，而BGR图每个点有256 * 256 * 256 = 16777216个维度，寻找特征时计算量太大了。
- 相比彩色图像，减少了三分之二的存储空间。
一般来说，为了寻找特征，转换完成灰度图后，接下来会紧跟着下一步：二值化。那什么是二值化，二值化怎么转换，二值化后又有什么好处呢。下一篇将详细举例。
原创不易，请勿抄袭。共同进步，相互学习。