为什么我们应该使用灰度进行图像处理答案

【问题标题】：why we should use gray scale for image processing为什么我们应该使用灰度进行图像处理
【发布时间】：2012-10-05 18:39:51
【问题描述】：

我认为这可能是一个愚蠢的问题，但是在阅读了很多关于图像处理的内容并进行了很多搜索之后，我看到的每个关于图像处理的示例都使用灰度来工作

我知道灰度图像只使用一个颜色通道，通常只需要 8 位来表示，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处理的位更少，但即使在今天拥有更快的计算机，这也是必要的？

我不确定我是否清楚我的疑问，我希望有人能回答我

非常感谢

【问题讨论】：

即使您不对图像进行灰度化，所有图像处理都需要某种形式的折叠数据，因为即使使用现代计算机，处理原始图像也几乎是不可能的。甚至我们的大脑（可以说是主要为此类任务而构建的计算机）也会压缩并忽略大量视觉输入以使视觉成为可能。

标签： image-processing

【解决方案1】：

作为explained by John Zhang:

亮度在区分视觉特征方面更为重要

John 还给出了一个很好的建议来说明这个特性：拍摄给定的图像并将亮度平面与色度平面分开。

为此，您可以使用 ImageMagick separate 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

这是它在示例图像上给出的内容（左上：原始彩色图像，右上：亮度平面，底行：色度平面）：

【讨论】：

【解决方案2】：

详细说明deltheil的回答：

信噪比。对于图像处理的许多应用，颜色信息并不能帮助我们识别重要的边缘或其他特征。也有例外。如果在灰度图像中难以检测到色调的边缘（像素值的阶跃变化），或者如果我们需要识别已知色调的物体（绿叶前的橙色水果），那么颜色信息可能是有用。如果我们不需要颜色，那么我们可以认为它是噪声。一开始用灰度“思考”有点违反直觉，但你会习惯的。
代码的复杂性。如果您想根据亮度和色度找到边缘，您还有更多工作要做。如果额外的颜色信息对感兴趣的应用程序没有帮助，那么额外的工作（以及额外的调试、支持软件的额外痛苦等）很难证明是合理的。
对于学习图像处理，最好先了解灰度处理并了解它如何应用于多通道处理，而不是从全彩色成像开始而错过可以（并且应该）从单通道处理中学到的所有重要见解。
可视化困难。在灰度图像中，分水岭算法相当容易概念化，因为我们可以将两个空间维度和一个亮度维度视为具有山丘、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灰度图像的 3D 可视化中。有许多算法可以通过直观的“物理”解释帮助我们思考问题。在 RGB、HSI、Lab 和其他颜色空间中，这种可视化要困难得多，因为标准人脑无法轻松可视化其他维度。当然，我们可以想到“峰红色”，但是在 (x,y,h,s,i) 空间中，那个山峰是什么样子的呢？哎哟。一种解决方法是将每个颜色变量视为一个强度图像，但这会导致我们回到灰度图像处理。
颜色很复杂。人类以欺骗性的轻松方式感知颜色并识别颜色。如果您从事尝试区分颜色的业务，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结果，要么 (b) 安定下来进入一个你越看越深入的主题的职业生涯之旅，或者 (c) 希望你可以重新使用灰度，因为至少那时问题似乎是可以解决的。
速度。借助现代计算机和并行编程，可以在几毫秒内对百万像素图像进行简单的逐像素处理。面部识别、OCR、内容感知大小调整、均值偏移分割和其他任务可能需要更长的时间。无论处理图像或从中提取一些有用数据需要多少处理时间，大多数客户/用户都希望它运行得更快。如果我们随意假设处理三通道彩色图像所花费的时间是处理灰度图像的三倍——或者可能是四倍，因为我们可能会创建一个单独的亮度通道——那么这并不是一个大问题如果我们正在动态处理视频图像，并且每帧可以在不到 1/30 或 1/25 秒的时间内处理，则可以处理。但是，如果我们要分析数据库中的数千张图像，如果我们可以通过调整图像大小、仅分析图像的一部分和/或消除我们不需要的颜色通道来节省自己的处理时间，那就太好了。将处理时间缩短三到四倍可能意味着在您重新开始工作之前运行 8 小时的通宵测试与让您的计算机处理器连续 24 小时固定运行之间的差异。

在所有这些中，我将强调前两个：使图像更简单，并减少您必须编写的代码量。

【讨论】：

【解决方案3】：

我不同意灰度图像总是比彩色图像更好的暗示；这取决于处理的技术和总体目标。例如，如果您想计算水果碗图像中的香蕉数量，那么当您拥有彩色图像时，分割会容易得多！

由于用于获取它们的测量设备，许多图像必须是灰度的。想想电子显微镜。它正在测量不同空间点的电子束强度。 AFM 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 - 一个强度，因此它们隐含地创建了一个灰度图像。

对于基于亮度的图像处理技术，它们通常可以充分应用于整体亮度（灰度）；但是，在许多情况下，拥有彩色图像是一种优势。

【讨论】：

【解决方案4】：

二进制可能过于简单，无法表示图片字符。颜色可能太多，影响处理速度。

因此选择了灰度，在两端的中间。

【讨论】：

【解决方案5】：

首先开始图像处理，无论是灰度图像还是彩色图像，最好专注于我们正在应用的应用程序。除非和其他情况，如果我们随机选择其中之一，则会在我们的结果中产生准确性问题。例如，如果我想处理垃圾桶的图像，我更喜欢选择灰度而不是彩色。因为在 bin 图像中，我只想使用优化的边缘检测来检测 bin 图像的形状。我不关心图像的颜色，但我想正确地看到 bin 图像的矩形形状。

【讨论】：