为什么我们应该使用灰度进行图像处理
image-processing
5
0

我认为这可能是一个愚蠢的问题,但在阅读了大量有关图像处理的内容并进行了大量搜索之后,我看到的每个有关图像处理的示例都使用灰度工作

我了解到,灰度图像仅使用一个颜色通道,通常只需要8位即可表示,等等...但是,当我们有彩色图像时为什么要使用灰度?灰度的优点是什么?我可以想象这是因为我们需要治疗的位更少了,但是即使今天使用更快的计算机,这是否有必要?

我不确定我是否清楚自己的疑问,希望有人可以回答我

非常感谢你

参考资料:
Stack Overflow
收藏
评论
共 3 个回答
高赞 时间 活跃

正如John Zhang解释的

亮度在区分视觉特征方面更为重要

John还提供了一个很好的建议来说明此属性:拍摄给定图像并将亮度平面与色度平面分开。

为此,您可以使用ImageMagick 单独的运算符, 将每个通道的当前内容提取为灰度图像

convert myimage.gif -colorspace YCbCr -separate sep_YCbCr_%d.gif

这是在示例图像上给出的结果(左上:原始彩色图像,右上:亮度平面,下一行:色度平面):

在此处输入图片说明

收藏
评论

我不同意灰度图像总是比彩色图像更好的说法。这取决于技术和处理的总体目标。例如,如果您想在水果盘图像的图像中计算香蕉,那么当您拥有彩色图像时,分割起来就容易得多!

由于用于获取图像的测量设备,许多图像必须为灰度图像。想一想电子显微镜。它可以测量不同空间点的电子束强度。原子力显微镜正在测量样品拓扑上各个点的共振振动量。在这两种情况下,这些工具都返回一个奇异值-强度,因此它们隐式地创建了灰度图像。

对于基于亮度的图像处理技术,通常可以将它们充分应用到总体亮度(灰度)上。然而,在许多情况下,具有彩色图像是一个优势。

收藏
评论

详细说明deltheil的答案:

  1. 信噪比。对于图像处理的许多应用而言,颜色信息无法帮助我们识别重要的边缘或其他特征。也有例外。如果色调中存在难以在灰度图像中检测到的边缘(像素值的阶跃变化),或者如果我们需要识别已知色调的对象(绿色叶子前的橙色水果),则颜色信息可能是有用。如果我们不需要颜色,那么我们可以将其视为噪声。最初,“思考”灰度有点反常理,但是您已经习惯了。
  2. 代码的复杂性。如果要基于亮度和色度查找边缘,则需要做更多的工作。如果额外的颜色信息对您感兴趣的应用程序无济于事,那么这些额外的工作(以及额外的调试,在支持软件方面的额外痛苦等)很难证明。
  3. 对于学习图像处理,最好先了解灰度处理,并了解其如何应用于多通道处理,而不是从全彩色成像开始,并错过所有可以(并且应该)从单通道处理中学到的重要见解。
  4. 可视化困难。在灰度图像中,分水岭算法很容易概念化,因为我们可以将两个空间维度和一个亮度维度视为具有丘陵,山谷,集水盆地,山脊等的3D图像。“峰值亮度”只是一个山峰在我们的3D灰度图像可视化中。对于许多算法,直观的“物理”解释可帮助我们思考问题。在RGB,HSI,Lab和其他颜色空间中,这种可视化要困难得多,因为存在其他尺寸,标准人脑无法轻易对其进行可视化。当然,我们可以想到“峰值发红”,但是在(x,y,h,s,i)空间中那个山峰看起来像什么?哎哟。一种解决方法是将每个颜色变量都视为强度图像,但这使我们直接回到了灰度图像处理。
  5. 颜色很复杂。人类感知颜色并易于识别颜色。如果您尝试将颜色彼此区分开,那么您要么想要(a)遵循传统并控制照明,相机颜色校准和其他因素以确保获得最佳效果,要么(b)深入研究这个主题,然后再经历一次职业生涯,就越深入,或者(c)希望您可以重新使用灰度,因为至少这样看来问题可以解决。
  6. 速度。使用现代计算机和并行编程,可以在几毫秒内对百万像素图像执行简单的逐像素处理。面部识别,OCR,内容感知大小调整,平均班次分割以及其他任务可能要花更长的时间。无论需要多少处理时间来处理图像或从图像中压缩一些有用的数据,大多数客户/用户都希望它运行得更快。如果我们做出波浪假设,即处理三通道彩色图像所需的时间是处理灰度图像所需时间的三倍-或四倍,因为我们可能会创建单独的亮度通道-那么那并不大如果我们正在实时处理视频图像,并且每帧可以在不到1/30或1/25秒的时间内处理,则可以解决。但是,如果我们要分析数据库中的成千上万张图像,那么可以通过调整图像大小,仅分析图像的一部分和/或消除不需要的颜色通道来节省处理时间,这非常好。将处理时间减少三到四倍可能意味着在进行一次8小时的通宵测试(该测试在您恢复工作之前结束)与将计算机的处理器连续固定24小时之间的区别。

在所有这些中,我将强调前两个:使图像更简单,并减少必须编写的代码量。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号