为什么 cv2.COLOR_RGB2GRAY 和 cv2.COLOR_BGR2GRAY 会给出不同的结果？

Question

我一直认为将图像从彩色转换为灰度很简单：每个像素的强度将是每个颜色通道强度的平均值。但我注意到 cv2.COLOR_RGB2GRAY 和 cv2.COLOR_BGR2GRAY 给出了不同的结果。当我对它们进行试验时，我还发现它也不同于每个颜色通道的平均强度。

PS 当我发现这一点时，我完全感到困惑

img_read_as_color[:,:,0]/3+img_read_as_color[:,:,1]/3+img_read_as_color[:,:,2]/3 == (img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2])/3

但是当显示为图像时

(img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2])/3

看起来像

img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2]

有人可以向我解释为什么会这样吗？

我的完整代码：

 import matplotlib.pyplot as plt
import cv2

sample = r'G:\Python\knight-mare\screenshots\2020-07-12-02-40-44.jpg'
img_read_as_grayscale = cv2.imread(sample, cv2.IMREAD_GRAYSCALE)
img_read_as_color = cv2.imread(sample, cv2.IMREAD_COLOR)
img_RGB_to_grayscale = cv2.cvtColor(img_read_as_color, cv2.COLOR_RGB2GRAY)
img_BGR_to_grayscale = cv2.cvtColor(img_read_as_color, cv2.COLOR_BGR2GRAY)
plt.imshow(img_read_as_grayscale)
plt.title('img_read_as_grayscale')
plt.show()
plt.imshow(img_read_as_color)
plt.title('img_read_as_color')
plt.show()
plt.imshow(img_RGB_to_grayscale)
plt.title('img_RGB_to_grayscale')
plt.show()
plt.imshow(img_BGR_to_grayscale)
plt.title('img_BGR_to_grayscale')
plt.show()

channel_avg_div_separately = img_read_as_color[:,:,0]/3+img_read_as_color[:,:,1]/3+img_read_as_color[:,:,2]/3
channel_avg_div_together = (img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2])/3
channel_sum = img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2]
plt.imshow(channel_avg_div_separately)
plt.title('channel_avg_div_separately')
plt.show()
plt.imshow(channel_avg_div_together)
plt.title('channel_avg_div_together')
plt.show()
plt.imshow(channel_sum)
plt.title('channel_sum')
plt.show()

原文由 Kosh 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

1. RGB->gray 转换实际上不是平均数——不同通道的权重不同。具体来说：

 gray_pixel = 0.114 * blue_pixel + 0.299 * red_pixel + 0.587 * green_pixel

文档 中也提到了这一点。因此，预计 RGB2GRAY 和 BGR2GRAY 会给出不同的结果。

1. 关于 sum-then-divide 和 divide-then-sum 方法之间的差异，即

img_read_as_color[:,:,0]/3+img_read_as_color[:,:,1]/3+img_read_as_color[:,:,2]/3

和

(img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2])/3

回想一下 cv2.imread 返回一个 uint8 numpy 数组。因此，后一种操作（所有通道在除法之前组合在一起）会导致溢出（事实上，在这种情况下，ipython3 会给我一个运行时警告）。在标记为 channel_avg_div_together 和 channel_sum 的图像中也可以看到类似溢出的伪影。

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

Answer 2

好吧，首先转换不是简单的平均，更不用说线性转换了。计算公式为 RGB[A] to Gray:Y←0.299⋅R+0.587⋅G+0.114⋅B （ OpenCV Docs ）

显然 OpenCV 使用相同的公式转换为灰度，无论其 BGR 还是 RGB 用作输入，但在使用公式时保留通道顺序，因此传递错误的转换顺序将导致错误的结果。

一个很好的例子是我最近看到的一篇 论坛帖子，作者比较了从 RGB 和 BGR 转换后的结果。右下角像素具有以下值。（图片来自链接的帖子/作者）

 CV_BGR2GRAY: Lower right corner: 0.1140 * 163 + 0.5870 * 182 + 0.2989 * 203 ≈ 186

CV_RGB2GRAY: Lower right corner: 0.1140 * 203 + 0.5870 * 182 + 0.2989 * 163 ≈ 179

所以 tl;dr：如果您传递错误的通道顺序，转换后的输出将会不同。

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