如何将 RGB 图像(3 通道)转换为灰度图像(1 通道)并保存?

新手上路,请多包涵

在处理深度学习项目时,我有很多不需要颜色的图像。我救了他们:

 import matplotlib.pyplot as plt

plt.imsave('image.png', image, format='png', cmap='gray')

但是后来当我检查图像的形状时,结果是:

 import cv2
img_rgb = cv2.imread('image.png')
print(img_rgb.shape)
(196,256,3)

因此,即使我查看的图像是灰度图像,我仍然有 3 个颜色通道。我意识到我必须做一些代数运算才能将这 3 个通道转换为 1 个单通道。

我已经尝试过线程“ How can I convert an RGB image into grayscale in Python? ”中描述的方法,但我很困惑。

例如,何时使用以下方法进行转换:

 from skimage import color
from skimage import io
img_gray = color.rgb2gray(io.imread('image.png'))
plt.imsave('image_gray.png', img_gray, format='png')

但是,当我加载新图像并检查其形状时:

 img_gr = cv2.imread('image_gray.png')
print(img_gr.shape)
(196,256,3)

我在该线程上尝试了其他方法,但结果是一样的。我的目标是获得具有 (196,256,1) 形状的图像,考虑到卷积神经网络的计算密集度要低得多。

任何帮助,将不胜感激。

原文由 J. Devez 发布,翻译遵循 CC BY-SA 4.0 许可协议

阅读 2k
1 个回答

你的第一个代码块:

 import matplotlib.pyplot as plt
plt.imsave('image.png', image, format='png', cmap='gray')

这是将图像保存为 RGB,因为 cmap='gray' 在向 imsave 提供 RGB 数据时被忽略(参见 pyplot 文档)。

您可以通过取三个波段的平均值将数据转换为灰度,或者像您一样使用 color.rgb2gray ,或者我倾向于使用 numpy:

 import numpy as np
from matplotlib import pyplot as plt
import cv2

img_rgb = np.random.rand(196,256,3)
print('RGB image shape:', img_rgb.shape)

img_gray = np.mean(img_rgb, axis=2)
print('Grayscale image shape:', img_gray.shape)

输出:

 RGB image shape: (196, 256, 3)
Grayscale image shape: (196, 256)

img_gray 现在是正确的形状,但是如果你使用 plt.imsave 保存它,它仍然会写三个波段,每个像素 R == G == B。这是因为,我相信 PNG 文件需要三个(或四个)波段。警告:我不确定这一点:我希望得到纠正。

 plt.imsave('image_gray.png', img_gray, format='png')
new_img = cv2.imread('image_gray.png')
print('Loaded image shape:', new_img.shape)

输出:

 Loaded image shape: (196, 256, 3)

避免这种情况的一种方法是将图像保存为 numpy 文件,或者将一批图像保存为 numpy 文件:

 np.save('np_image.npy', img_gray)
new_np = np.load('np_image.npy')
print('new_np shape:', new_np.shape)

输出:

 new_np shape: (196, 256)

您可以做的另一件事是保存灰度 png(使用 imsave ),但仅在第一个波段中读取:

 finalimg = cv2.imread('image_gray.png',0)
print('finalimg image shape:', finalimg.shape)

输出:

 finalimg image shape: (196, 256)

原文由 jmsinusa 发布,翻译遵循 CC BY-SA 4.0 许可协议

撰写回答
你尚未登录,登录后可以
  • 和开发者交流问题的细节
  • 关注并接收问题和回答的更新提醒
  • 参与内容的编辑和改进,让解决方法与时俱进
推荐问题