c++平均值法灰度化图像_C++ 彩色图转灰度图

最新推荐文章于 2025-05-22 14:22:05 发布
原创 最新推荐文章于 2025-05-22 14:22:05 发布 · 2k 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#c++平均值法灰度化图像
本文介绍了如何使用C++通过平均值法将彩色图像转换为灰度图像。遵循公式Gray = 0.299*R + 0.587*G + 0.114*B，该方法基于视觉科学原理。文章提供了一个实例，展示了原始图像和应用算法后的效果。

f0555b868b77da89644ed6207d5d8497.png

彩色图转灰度图公式为Gray = 0.299*R+0.587*G+0.114*B。如下例子中我们读入一幅bmp彩色图像，然后利用该公式转化为灰度图，图像的读入参考之前的文章。

0fd3416954ab6bfca32d9a249a70b822.png

图像数据结构定义,该定义放在了单独头文件中，读者可根据自己的情况放置合适的位置：

/**
* @brief 简单概述
* @brief 图像格式
*/
enum ImageFormat
{
	IMAGE_GREY = 0x0000,	// 灰度图像
	IMAGE_RGB,				// 彩色RGB图像
	IMAGE_BGR,				// 彩色BGR图像
	IMAGE_RGBA,				// 彩色RGBA图像
	IMAGE_BGRA				// 彩色BGRA图像
};

/**
* @brief 简单概述
* @brief 图像数据结构
*/
typedef struct
{
	ImageFormat format;
	int width;
	int height;
	unsigned char* pBuffer = NULL;
}Image;

算法头文件 algorithm.h：

/*****************************************************************************
*  C++ 图像读取
*  Copyright (C) 2020 1158292387@qq.com
*
*  @file
*  @brief    对文件的简单概述
*  Details.
*
*  @author   Leeme
*  @email    1158292387@qq.com
*  @version  1.0.0.1(版本)
*  @date     2020.11.21
*  @license  GNU General Public License (GPL)
*
*----------------------------------------------------------------------------
*  Remark         : Description
*----------------------------------------------------------------------------
*  Change History :
*  <Date>     | <Version> | <Author>       | <Description>
*----------------------------------------------------------------------------
*  2020/10/30 | 1.0.0.1   | Leeme          | Create file
*----------------------------------------------------------------------------
*
*****************************************************************************/
#pragma once
#include "define.h"

/**
* @brief 简单概述
* @brief 图像算法基类
*/
class ImgAlg
{
public:
	ImgAlg(){}
	~ImgAlg()
	{
		delete m_Image.pBuffer;
		m_Image.pBuffer = NULL;
	}

	/**
	* @brief 简单概述
	* @brief 设置图像
	*/
	bool SetInputData(const Image& src)
	{
		if (src.pBuffer == NULL)
			return false;

		m_Image.width = src.width;
		m_Image.height = src.height;
		m_Image.format = src.format;
		if (m_Image.pBuffer != NULL)
		{
			delete[]m_Image.pBuffer;
			m_Image.pBuffer = NULL;
		}
		long ImageSize = src.width*src.height;
		long pBufSize = ImageSize;
		switch (m_Image.format)
		{
		case IMAGE_GREY:
		{
			m_Image.pBuffer = new unsigned char[ImageSize];
		}
			break;
		case IMAGE_RGB:
		{
			pBufSize = ImageSize * 3;
			m_Image.pBuffer = new unsigned char[pBufSize];
		}
			break;
		case IMAGE_BGR:
		{
			pBufSize = ImageSize * 3;
			m_Image.pBuffer = new unsigned char[pBufSize];
		}
			break;
		case IMAGE_RGBA:
		{
			pBufSize = ImageSize * 4;
			m_Image.pBuffer = new unsigned char[pBufSize];
		}
			break;
		case IMAGE_BGRA:
		{
			pBufSize = ImageSize * 4;
			m_Image.pBuffer = new unsigned char[pBufSize];
		}
			break;
		default:
			break;
		}
		memcpy(m_Image.pBuffer, src.pBuffer, pBufSize);
		return true;
	}

	/**
	* @brief 简单概述
	* @brief 获取图像计算结果
	*/
	bool GetOutputData(Image* src)
	{
		if (m_Image.pBuffer == NULL)
			return false;
		src->width = m_Image.width;
		src->height = m_Image.height;
		src->format = m_Image.format;

		if (src->pBuffer != NULL)
		{
			delete[] src->pBuffer;
			src->pBuffer = NULL;
		}
		long ImageSize = m_Image.width*m_Image.height;
		long pBufSize = ImageSize;
		switch (m_Image.format)
		{
		case IMAGE_GREY:
		{
			src->pBuffer = new unsigned char[ImageSize];
		}
		break;
		case IMAGE_RGB:
		{
			pBufSize = ImageSize * 3;
			src->pBuffer = new unsigned char[pBufSize];
		}
		break;
		case IMAGE_BGR:
		{
			pBufSize = ImageSize * 3;
			src->pBuffer = new unsigned char[pBufSize];
		}
		break;
		case IMAGE_RGBA:
		{
			pBufSize = ImageSize * 4;
			src->pBuffer = new unsigned char[pBufSize];
		}
		break;
		case IMAGE_BGRA:
		{
			pBufSize = ImageSize * 4;
			src->pBuffer = new unsigned char[pBufSize];
		}
		break;
		default:
			break;
		}
		memcpy(src->pBuffer, m_Image.pBuffer, pBufSize);
		return true;
	}

	virtual void SetAlgType(int) = 0;
	/**
	* @brief 简单概述
	* @brief 图像算法实现接口
	*/
	virtual bool UpdateData() = 0;

protected:
	Image	m_Image;
};

/**
* @brief 简单概述
* @brief 彩色图像转灰度图像
*/
class Rgb2Grey : public ImgAlg
{
public:
	Rgb2Grey();
	~Rgb2Grey() {}

	enum AlgType
	{
		ALG_EXPERT=0x0000,	// 常用计算方法 Gray = 0.299*R+0.587*G+0.114*B
		ALG_AVG				// 平均值计算法 Gray = (R+G+B)/3
	};

	void SetAlgType(int type) { m_AlgType = (AlgType)type; }
	bool UpdateData();

private:
	/**
	* @brief 简单概述
	* @brief 彩色图像转灰度图像算法接口
	* @brief Gray = 0.299*R+0.587*G+0.114*B
	* @brief Gray = (R*299+G*587+B*114+500)/1000
	* @brief Gray = (R*30+G*59+B*11+50)/100
	* @brief 为了避免浮点型数据的计算耗时，我们将浮点型计算转化为整形计算
	*/
	void CaclUseExpert(unsigned char* pBuf,long pBufSize);

	/**
	* @brief 简单概述
	* @brief 彩色图像转灰度图像算法接口
	* @brief 采用平均值方式进行计算
	*/
	void CaclUseAvg(unsigned char* pBuf, long pBufSize);

	AlgType	m_AlgType;
};

算法实现文件 algorithm.cpp:

#include "algorithm.h"

Rgb2Grey::Rgb2Grey()
{
	m_AlgType = ALG_EXPERT;
}

bool Rgb2Grey::UpdateData()
{
	if (m_Image.pBuffer == NULL || m_Image.format == IMAGE_GREY)
		return false;

	long pBufSize = m_Image.width*m_Image.height;
	unsigned char* pBuf = new unsigned char[pBufSize];

	if (m_AlgType == ALG_EXPERT)
	{
		this->CaclUseExpert(pBuf, pBufSize);
	}
	else if (m_AlgType == ALG_AVG)
	{
		this->CaclUseAvg(pBuf, pBufSize);
	}
	
	m_Image.format = IMAGE_GREY;
	delete[] m_Image.pBuffer;
	m_Image.pBuffer = pBuf;
	return true;
}

/**
* @brief 简单概述
* @brief 彩色图像转灰度图像算法接口
* @brief Gray = 0.299*R+0.587*G+0.114*B
* @brief Gray = (R*299+G*587+B*114+500)/1000
* @brief Gray = (R*30+G*59+B*11+50)/100
* @brief 为了避免浮点型数据的计算耗时，我们将浮点型计算转化为整形计算
*/
void Rgb2Grey::CaclUseExpert(unsigned char* pBuf,long pBufSize)
{
	short kr = 30;
	short kg = 59;
	short kb = 11;
	switch (m_Image.format)
	{
	case IMAGE_RGB:
	{
		for (int i = 0; i < pBufSize * 3; i += 3)
		{
			*pBuf = (m_Image.pBuffer[i] * kr + m_Image.pBuffer[i + 1] * kg + m_Image.pBuffer[i + 2] * kb + 50) / 100;
			pBuf++;
		}
	}
	break;
	case IMAGE_BGR:
	{
		for (int i = 0; i < pBufSize * 3; i += 3)
		{
			*pBuf = (m_Image.pBuffer[i] * kb + m_Image.pBuffer[i + 1] * kg + m_Image.pBuffer[i + 2] * kr + 50) / 100;
			pBuf++;
		}
	}
	break;
	case IMAGE_RGBA:
	{
		for (int i = 0; i < pBufSize * 4; i += 4)
		{
			*pBuf = (m_Image.pBuffer[i] * kr + m_Image.pBuffer[i + 1] * kg + m_Image.pBuffer[i + 2] * kb + 50) / 100;
			pBuf++;
		}
	}
	break;
	case IMAGE_BGRA:
	{
		for (int i = 0; i < pBufSize * 4; i += 4)
		{
			*pBuf = (m_Image.pBuffer[i] * kb + m_Image.pBuffer[i + 1] * kg + m_Image.pBuffer[i + 2] * kr + 50) / 100;
			pBuf++;
		}
	}
	break;
	default:
		break;
	}
	pBuf -= pBufSize;
}


/**
* @brief 简单概述
* @brief 彩色图像转灰度图像算法接口
* @brief 采用平均值方式进行计算
*/
void Rgb2Grey::CaclUseAvg(unsigned char* pBuf, long pBufSize)
{
	switch (m_Image.format)
	{
	case IMAGE_RGB:
	{
		for (int i = 0; i < pBufSize * 3; i += 3)
		{
			*pBuf = (m_Image.pBuffer[i] + m_Image.pBuffer[i + 1] + m_Image.pBuffer[i + 2])/3;
			pBuf++;
		}
	}
	break;
	case IMAGE_BGR:
	{
		for (int i = 0; i < pBufSize * 3; i += 3)
		{
			*pBuf = (m_Image.pBuffer[i] + m_Image.pBuffer[i + 1] + m_Image.pBuffer[i + 2]) / 3;
			pBuf++;
		}
	}
	break;
	case IMAGE_RGBA:
	{
		for (int i = 0; i < pBufSize * 4; i += 4)
		{
			*pBuf = (m_Image.pBuffer[i] + m_Image.pBuffer[i + 1] + m_Image.pBuffer[i + 2]) / 3;
			pBuf++;
		}
	}
	break;
	case IMAGE_BGRA:
	{
		for (int i = 0; i < pBufSize * 4; i += 4)
		{
			*pBuf = (m_Image.pBuffer[i] + m_Image.pBuffer[i + 1] + m_Image.pBuffer[i + 2]) / 3;
			pBuf++;
		}
	}
	break;
	default:
		break;
	}
	pBuf -= pBufSize;
}

实现效果：

原图：

412777640bccd2417f4595db42203369.png

采用心理学公式得出的效果图：

f953409a4dcb6cd8faa354089c7851e9.png

采用平均值得出的效果图：

6df190ef13a3e2ea33c518d3b2151fbf.png

很多的图像处理库都实现了彩色图转灰度图的功能，公式中Gray = 0.299*R+0.587*G+0.114*B为什么分量是这三个系数，据说是心理学家根据人的视觉特点得出的三个分量。

IT大咖说
关注
C++用Opencv将图片转化为灰度图并保存
03-19
将彩色图片转化为灰度图，修改代码中的文件名即可，不需要修改文件路径。 将待转化的图片放到before文件夹中，生成的灰度图会保存到after文件夹中
opencv分量法、加权平均法、最大值法、平均值法灰度化
网络架构
07-07 5171
这里写目录标题1. Opencv 分量法灰度化2. Opencv 加权平均法灰度化3. Opencv 最大值法灰度化4. Opencv 平均值法灰度化 1. Opencv 分量法灰度化 分量法的主要思想便是取彩色图像三通道其中的任意一个通道分量，将它作为灰度图像的灰度值，按照现实应用选择一个通道。 实现： //此处更改图片地址 src = imread("img/4.png"); imshow("原图", src); Mat gray(src.rows, src.cols, CV_8UC1, Scal
vc将彩色图像转换为灰度图像
Hao_09的专栏
12-16 1915
void GrayTrans::ColorToGray() { if (m_nBitCount==8) { return ; } if (m_pImgDataOut!=NULL) { delete []m_pImgDataOut; m_pImgDataOut=NULL; } if (m_lpColorTableOut!=NULL) { delete []m_lp
OpenCV数字图像处理基于C++：灰度变换
qq_43784519的博客
10-06 6051
介绍了灰度变换的基本概念和操作
实验一：图像灰度变换 C++实现
chuxuezheerer的博客
05-31 7347
一.实验内容 1、利用 OpenCV 读取图像。 具体内容:用打开 OpenCV 打开图像，并在窗口中显示 2、灰度图像二值化处理 具体内容:设置并调整阈值对图像进行二值化处理。 3、灰度图像的对数变换 具体内容:设置并调整 r 值对图像进行对数变换。 4、灰度图像的伽马变换 具体内容:设置并调整γ值对图像进行伽马变换。 5、彩色图像的补色变换 具体内容:对彩色图像进行补色变换。 实验过程 1.利用 OpenCV 读取图像 #include "main.hpp" #include <opencv2/o
opencv: C++实现将彩色图转换为灰色图
qq_33373173的博客
12-13 3903
#include <opencv2/opencv.hpp> using namespace cv; int main() { Mat src, dst; src = imread("1.png"); //处理图像的地址 dst.create(src.rows, src.cols, CV_8UC1); for (int i = 0; i < src.rows; ++i) for (int j = 0; j < src.cols; ++
图像灰度化的三种方法及matlab,c++,python实现
热门推荐
what_lei的博客
09-23 5万+
灰度化处理就是将一幅色彩图像转化为灰度图像的过程。彩色图像分为R，G，B三个分量，分别显示出红绿蓝等各种颜色，灰度化就是使彩色的R，G，B分量相等的过程。灰度值大的像素点比较亮（像素值最大为255，为白色），反之比较暗（像素最下为0，为黑色）。     图像灰度化的算法主要有以下3种：      1)最大值法：使转化后的R，G，B得值等于转化前3个值中最大的一个，即：
C/C++/Python图像处理算法实战【3】彩色图像灰度化和二值化处理
穿着帆布鞋也能走猫步
09-21 2282
彩色图像灰度化和二值化处理
python灰度图uint8_opencv分量法、加权平均法、最大值法、平均值法灰度化
weixin_42501161的博客
01-19 2932
有问题添加QQ群：686070107一. c++实现1. Opencv 分量法灰度化分量法的主要思想便是取彩色图像三通道其中的任意一个通道分量，将它作为灰度图像的灰度值，按照现实应用选择一个通道。 实现：//此处更改图片地址 src = imread("img/4.png"); imshow("原图", src); Mat gray(src.rows, src.cols, CV_8UC1, ...
[Python图像处理] 十四.基于OpenCV和像素处理的图像灰度化处理
杨秀璋的专栏
03-25 2万+
本篇文章讲解图像灰度化处理的知识，结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作，使用像素处理方法对图像进行灰度化处理。基础性知识希望对您有所帮助。 1.图像灰度化原理 2.基于OpenCV的图像灰度化处理 3.基于像素操作的图像灰度化处理
【QT】QT从零入门教程(八)：图像灰度化
qq_44951518的博客
11-06 3721
学习一下图像处理的基础算法，写下来总结一下： 灰度图像 我们可以通过下面几种方法，将其转换为灰度： 1.浮点算法：Gray=R0.3+G0.59+B0.11 2.整数方法：Gray=(R30+G59+B11)/100 3.移位方法：Gray =(R76+G151+B*28)>>8; 4.平均值法：Gray=（R+G+B）/3; 5.仅取绿色：Gray=G； 通过上述任一种方法求得G...
int 最大值_opencv分量法、加权平均法、最大值法、平均值法灰度化
weixin_39877050的博客
11-27 1004
有问题添加QQ群：686070107一. c++实现1. Opencv 分量法灰度化分量法的主要思想便是取彩色图像三通道其中的任意一个通道分量，将它作为灰度图像的灰度值，按照现实应用选择一个通道。 实现：//此处更改图片地址 2. Opencv 加权平均法灰度化按照各个通道的重要性将彩色图像的三通道分量进行加权平均，再把得到的加权平均值作为灰度图像的灰度值，本次设计采用的灰度化方式便是用的加...
图像灰度化
weixin_30906701的博客
03-19 778
1彩色图，灰度图，单色图 灰度图是指只含亮度信息，不含色彩信息的图像。灰度化处理是把含有亮度和色彩的彩色图像变化成灰度图像的过程。 图像灰度化处理一般采用以下三种算法： 平均值法: f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3 最大值法: f(i,j)=max(R(i,j),G(i,j),B(i,j)) 加权平均值法:f(i,j)=0.30R(i,j)+0.59G(i,j)+0...
【OpenCV】中图片灰度化算法
m0_73881415的博客
04-11 465
我们了解了如何在计算机中存储和渲染一张彩色图像，并认识到彩色图像是由红色（R）、绿色（G）和蓝色（B）三个通道共同组成的，那么已有的彩色图是怎么变成灰度图呢？首先我们需要知道灰度图与彩色图有什么不同。灰度图与彩色图最大的不同就是：彩色图是由R、G、B三个通道组成，而灰度图只有一个通道，也称为单通道图像，所以彩色图转成灰度图的过程本质上就是将R、G、B三通道合并成一个通道的过程。本实验中一共介绍了三种合并方法，分别是最大值法、平均值法以及加权均值法。
彩色图像为何灰度化处理?http://www.cnblogs.com/Wiseman/archive/2007/06/09/69701.html?page=4
rns521的专栏
03-26 5325
1、图像深度是指存储每个像素所用的位数,真彩色为24位。3X8=RGB 也用于量度图像的色彩分辨率.图像深度确定彩色图像的每个像素可能有的颜色数,或者确定灰度图像的每个像素可能有的灰度级数.它决定了彩色图像中可出现的最多颜色数,或灰度图像中的最大灰度等级.比如一幅单色图像,若每个象素有8位,则最大灰度数目为2的8次方,即256.一幅彩色图像RGB3个分量的象素位数分别为4,4,2,则最大颜色数目
图像灰度化方法总结及其VC实现
NULL
03-10 987
最近一段时间作者开始进行运动目标识别定位系统设计，本文以及后续的几篇文章都是从一个图像处理初学者的角度来总结目标检测定位过程中所应用到的各种常见的算法，尤其是解决算法实现过程中由于粗心大意或者C编程基本功不扎实所引起的各种问题。本文主要对彩色图片灰度化的方法及其实现过程进行总结，最终给出实现的C代码。      在进行视频流目标识别与跟踪时，通常第一个步骤就是对采集到的彩色图像进行灰度化，这
OpenCV图像操作与灰度化
最新发布
weixin_74830720的博客
05-22 984
OpenCV由一系列C函数和少量C++类组成，同时提供了Python、Java、MATLAB等多种语言的接口。其应用场景极为宽泛，涵盖但不限于物体识别、运动跟踪、图像分割、机器学习等。借助OpenCV，开发者能够高效地实现复杂的图像和视频处理算法。灰度化处理指的是将彩色图像转换为灰度图像的过程。灰度图像仅有一个通道，每个像素的取值范围通常为0（黑色）到255（白色）。灰度化处理能够减少图像的数据量，降低计算复杂度，同时在某些应用场景下，灰度图像更能凸显图像的特征。
c++平均值法灰度化图像_【应用案例】基于图像处理的刀具检测系统研究
weixin_31970409的博客
12-29 638
摘要：为了提高刀具检测的精度和效率，提出了一种基于图像处理技术的刀具检测方法。本文介绍了测量原理及系统集成方案，包括机电系统方案、光源处理方案、图像处理方案、软件处理方案，并对图像处理中的关键技术进行讨论。关键词：刀具；图像处理；边缘检测1、 绪论随着重载高速列车的发展，对重要零件加工精度的要求也越来越高。刀具作为保证加工质量和成本控制的前提，工艺人员对它的认识已不再停留在正确决定刀具...
图像的灰度化原理和实现
cay22的专栏
03-19 3231
http://blog.csdn.net/hnney/archive/2009/05/18/4194408.aspx图像的灰度化原理和实现将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相
EMGUCV AFORGE ACCORD三种图像处理库进行图像灰度化比较
qianxun
01-22 2473
EMGUCV AFORGE ACCORD三种图像处理库进行图像灰度化比较@TOC 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值