使用 PIL 将 RGB 转换为灰度的不同像素值答案

【问题标题】：Different pixel values converting RGB to Greyscale using PIL使用 PIL 将 RGB 转换为灰度的不同像素值
【发布时间】：2020-09-02 00:12:43
【问题描述】：

我正在使用 PIL 库进行图像处理并测试 PIL 将图像从 RGB 转换为 L（灰度）的方式。

图片是Set5中的butterfly.png

我像这样使用 Pillow 加载图像：

from PIL import image
im = Image('butterfly.png')

并像这样将其转换为灰度：

grayscale = im.convert('L')
print(grayscale)
array([[ 32,  45,  68, ...,  63,  60,  60],
       [ 27,  32,  40, ...,  60,  61,  60],
       [ 65,  35,  28, ...,  62,  63,  58],
       ...,
       [ 46,  49,  53, ..., 112, 114, 111],
       [ 46,  49,  66, ..., 115, 113, 114],
       [ 49,  53,  65, ..., 115, 113, 113]], dtype=uint8)

为了测试 PIL 使用的公式，我看到文档说：

将彩色图像转换为灰度（模式“L”）时，库使用 ITU-R 601-2 亮度变换：L = R * 299/1000 + G * 587/1000 + B * 114/1000

所以我编写了自己的自定义函数：

def pil_rgb_to_gray(im):
    R = np.array(im.getchannel('R'))
    G = np.array(im.getchannel('G'))
    B = np.array(im.getchannel('B'))

    L = R * 299/1000 + G * 587/1000 + B * 114/1000

    return L

它返回一个不同的结果：

grayscale2 = pil_rgb_to_gray(im)
print(grayscale2)
array([[ 30.372,  42.731,  64.337, ...,  57.696,  55.208,  55.208],
       [ 25.848,  31.278,  38.57 , ...,  55.18 ,  56.038,  55.18 ],
       [ 60.438,  34.392,  27.321, ...,  56.326,  57.799,  52.724],
       ...,
       [ 44.153,  46.429,  50.457, ..., 104.68 , 105.712, 103.071],
       [ 43.463,  46.647,  62.079, ..., 107.327, 104.968, 105.701],
       [ 46.397,  50.435,  60.725, ..., 107.327, 104.968, 104.957]])

为什么我得到不同的像素值？

【问题讨论】：

标签： python image-processing computer-vision python-imaging-library

【解决方案1】：

您正在处理数组中的 uint8 数字，这意味着它们可能会溢出。这可能会导致违反直觉的结果，因为操作顺序在您可能没想到的地方很重要。例如，有以下区别：

>> # multplity (and overflow) then divide
>> np.array([200], dtype=np.uint8) * 587/1000
array([51.864])

和

>> # multiply by small number (and don't overflow)
>> np.array([200], dtype=np.uint8) * (587/1000) # note parenthesis
array([117.4])

如果您将分数包装在 () 中，您应该会得到更好的结果。

L = (R * (299/1000) + G * (587/1000) + B * (114/1000)).astype(np.uint8)

# ...
array([[ 32,  45,  68, ...,  63,  60,  60],
   [ 27,  32,  40, ...,  60,  61,  60],
   [ 65,  35,  28, ...,  62,  63,  58],

【讨论】：

谢谢。我没有意识到添加括号会有很大的不同。现在，如果我的数组一开始是 float64，它会减轻乘法的溢出问题吗？
我认为这对图像数据没有帮助@StevenChen，因为您的值仍然分布在整个范围内，当您乘以一个很大的数字时，它仍然会溢出。也许如果您从 8 位数字开始并将它们放入 64 位数组中，但这对我来说似乎很难。