彩色图变黑白图
就在昨天，几乎所有网站都从彩色页面变成黑白页面，虽然一行 CSS 就可以解决这个问题，但是彩色页面（彩色图）变黑白页面（黑白图）有很多方法，主要有三种：最大值法、平均值法、加权平均值法，下面我就主要讲解这三种算法的具体逻辑。
图片数据的格式
在进行图像变换之前，先来简单介绍一下图片在计算机中的数据格式，图像在计算机中的数据格式有很多，详见下表：
格式 | 说明 |
|---|---|
1 | 位图，像素 1 位 |
L | 灰度图，像素 8 位 |
I | 像素 int32 |
F | 像素 float32 |
P | 8 位，映射为其他模式 |
RGB | 真色彩，3 通道 |
RGBA | 4 通道，加透明 |
CMYK | 印刷，4 通道 |
YCbCr | 亮色分离，3 通道 |
一般情况下，彩色图在计算机中是通过 RGB 格式来进行存储的，所以今天彩色图变黑白图这个问题就转化为 RGB 格式的图片转 L 格式的图片，在转化之前先来详细说一下这两个格式。
RGB 格式
RGB 格式的 R 表示 Red，G 表示 Green，B 表示 Blue，也就是光的三原色红绿蓝，这三个元素的数据范围都是 0 到 255 的整数，也就是 8 位无符号整数的表示范围，占用一个字节。上面说的只是一个像素点的数据格式，并不是整个 RGB 格式的图片的数据格式，考虑到一张图片有长度有宽度有很多个像素，那么直接把很多像素构成一个二维数组就完事了，又因为一个像素对应着三个元素，这三个元素也可以放在一个数组，所以 RGB 格式的图片在计算机中的存储格式是一个三维数组，其形状为(长, 宽, 3)。
L 格式
L 格式就是灰度格式，每个像素对应一个灰度值，灰度值取值范围依旧是 0 到 255，所以灰度格式的图片在计算机中的存储格式是一个二维数组，其形状为(长, 宽)。
RGB 格式 转 L 格式
RGB 格式转 L 格式在开头就说了有三种方法，分别是：最大值法、平均值法、加权平均值法。在讲解和实现这三个算法之前先给大家看一下我所使用的图片。
最大值法
先来看一下最大值法，最大值法顾名思义就是取 RGB 格式的三个元素当中的最大值作为灰度值，代码如下：
from PIL import Image
import numpy as np
image_array = np.array(Image.open('row_image.jpg'))
# max,average,weighted_average
image_array = np.array(image_array.max(axis=2), dtype='uint8')
image = Image.fromarray(image_array)
image.save('converted_image.jpg')下面看一下转换之后的图片，如图所示。
平均值法
平均值法就是把 RGB 三个元素的值取平均值作为对应像素的灰度值，代码如下：
from PIL import Image
import numpy as np
image_array = np.array(Image.open('row_image.jpg'))
# max,average,weighted_average
image_array = np.array(image_array.sum(axis=2)//3, dtype='uint8')
image = Image.fromarray(image_array)
image.save('converted_image.jpg')下面看一下转换之后的图片，如图所示。
加权平均值法
加权平均值法就是给 RGB 三个元素给三个对应的权重，这三个权重暂且记作 WR、WG 和 WB，相乘相加得到灰度图的像素对应取值。在这里考虑到人眼对绿色敏感度最高，红色次之，蓝色最低，所以只要让 WG > WR > WB，即使如此还是有很多取值，目前效果最好的权重参数的值如下表所示。
权重 | 值 |
|---|---|
WR | 0.299 |
WG | 0.587 |
WB | 0.114 |
其对应的代码如下：
from PIL import Image
import numpy as np
image_array = np.array(Image.open('row_image.jpg'))
# max,average,weighted_average
a = np.zeros((image_array.shape[0], image_array.shape[1]))
for i in range(image_array.shape[0]):
for j in range(image_array.shape[1]):
a[i, j] = image_array[i, j]@np.array([0.299, 0.587, 0.114])
a = np.array(a, dtype='uint8')
image = Image.fromarray(a)
image.save('converted_image.jpg')转换后的图片如图所示。
其实加权平均值法在 PIL 中有封装好的，对应逻辑和我自己实现的一模一样，权重都是一样的，调用过程如下：
from PIL import Image
image = Image.open('row_image.jpg')
image = image.convert('L')
image.save('converted_image.jpg')结果和上面的一样，我就不给大家看了。
本文分享自 Python机器学习算法说书人 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体分享计划 ，欢迎热爱写作的你一起参与！