像素点

  像素点是最小的图像单元，一张图片由好多的像素点构成，下图是一张美女的大白腿的图片。

查看这张图片的信息，尺寸是800 * 800 的，宽度是800像素，高度是800像素。也就是说这张图片是由一个800 * 800的像素点矩阵构成的（不理解矩阵是什么意思的话，可以把矩阵理解为C语言中的二维数组），这个矩阵是800行，800列，像素是图像的最小单元，这张图片的宽度是800个像素点的长度，高度是800个像素点的长度，共有800 * 800 = 640000个像素点。

因为一个像素点的颜色是由RGB三个值来表现的，所以一个像素点矩阵对应三个颜色向量矩阵，分别是R矩阵，G矩阵，B矩阵，它们也都是800 *800大小的矩阵。下面展示这张美女图片的一部分颜色矩阵数据：

这个是R矩阵中的一部分

这个是G矩阵中的一部分

这个是B矩阵中的一部分

比如每个矩阵的第一行第一列的值分别为：R：240，G：223，B：204，所以这个像素点的颜色就是（240,223,204），三个矩阵的值不一定一 一对应，这样做只是为了便于读者理解。

图像的灰度化

    在理解了一张图片是由一个像素点矩阵构成之后，我们就知道我们对图像的处理就是对这个像素点矩阵的操作，想要改变某个像素点的颜色，我们只要在这个像素点矩阵中找到这个像素点的位置，比如第x行，第y列，所以这个像素点在这个像素点矩阵中的位置就可以表示成（x，y）,因为一个像素点的颜色由红、绿、蓝三个颜色变量表示，所以我们通过给这三个变量赋值，来改变这个像素点的颜色，比如改成红色（255，0，0），可以表示为（x，y，（R=255，G=0，B=0））。

那么什么叫图片的灰度化呢？其实很简单，就是让像素点矩阵中的每一个像素点都满足下面的关系：R=G=B（就是红色变量的值，绿色变量的值，和蓝色变量的值，这三个值相等，“=”的意思不是程序语言中的赋值，是数学中的相等），此时的这个值叫做灰度值。

灰度处理的方法：

一般灰度处理经常使用两种方法来进行处理。

方法1：

灰度化后的R=（处理前的R + 处理前的G +处理前的B）/ 3

灰度化后的G=（处理前的R + 处理前的G +处理前的B）/ 3

灰度化后的B=（处理前的R + 处理前的G +处理前的B）/ 3

美女图片经过方法1进行灰度化后的效果如下：

方法2：

灰度化后的R =  处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11

灰度化后的G =  处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11

灰度化后的B =  处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11

美女图片经过方法2进行灰度化后的效果如下：

个人觉得第二种方法处理的效果比较好，第一种方法处理后的图片有点模糊。

图像的二值化

    什么叫图像的二值化？二值化就是让图像的像素点矩阵中的每个像素点的灰度值为0（黑色）或者255（白色），也就是让整个图像呈现只有黑和白的效果。在灰度化的图像中灰度值的范围为0~255，在二值化后的图像中的灰度值范围是0或者255。

黑色：

二值化后的R =  0

二值化后的G =  0

二值化后的B =  0

白色：

二值化后的R =  255

二值化后的G =  255

二值化后的B =  255

那么一个像素点在灰度化之后的灰度值怎么转化为0或者255呢？比如灰度值为100，那么在二值化后到底是0还是255?这就涉及到取一个阀值的问题。

常用的二值化方法：

方法1：

取阀值为127（相当于0~255的中数，（0+255）/2=127），让灰度值小于等于127的变           为0（黑色），灰度值大于127的变为255（白色），这样做的好处是计算量小速度快，但是         缺点也是很明显的，因为这个阀值在不同的图片中均为127，但是不同的图片，他们的颜色        分布差别很大，所以用127做阀值，白菜萝卜一刀切，效果肯定是不好的。

方法2：

计算像素点矩阵中的所有像素点的灰度值的平均值avg

（像素点1灰度值+...+像素点n灰度值）/ n = 像素点平均值avg

然后让每一个像素点与avg一 一比较，小于等于avg的像素点就为0（黑色），大于avg的 像        素点为255（白色），这样做比方法1好一些。

方法3：

使用直方图方法（也叫双峰法）来寻找二值化阀值，直方图是图像的重要特质。直方图方法         认为图像由前景和背景组成，在灰度直方图上，前景和背景都形成高峰，在双峰之间的最低         谷处就是阀值所在。取到阀值之后再一 一比较就可以了。

下面给出一张美女图片二值化后的效果图：（漂亮的大白腿依稀可见。）

 

灰度图

 

灰度图，Gray Scale Image 或是Grey Scale Image，又称灰阶图。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。

用灰度表示的图像称作灰度图。除了常见的卫星图像、航空照片外，许多地球物理观测数据也以灰度表示。

中文名

灰度图

别    名

灰阶图

释    义

用灰度表示的图像

英    译

Gray Scale Image、Grey Scale Image

常见示例

卫星图像、航空照片

灰度分阶

256阶

目录

1. 1 灰度图定义
2. 2 Gamma校正
3. 3 计算方法
4. 4 彩色图像
5. 5 制作方法

灰度图定义

 

灰度图

除了常见的卫星图像、航空照片外，许多地球物理观测数据也以灰度表示。以位场图像为例，把位场表示为灰度图，需要将位场观测值灰度量化，即将场的变化范围转换成256阶的灰度范围。由于位场的动态变化范围非常大，磁场可达数万个纳特，重力场也可能在数百个重力单位内变化，所以在显示为图像前通常需要对位场观测值进行拉伸或压缩。

灰度图

灰度图

灰度图

什么叫灰度图？任何颜色都有红、绿、蓝三原色组成，而灰度图只有一个通道，他有256个灰度等级，255代表全白，0表示全黑。在Windows操作系统中可以使用画图的颜色编辑功能，将红绿蓝三个通道的数值设定为相同值就可以看到其对应的灰度效果。假如原来某点的颜色为RGB(R，G，B)，那么，我们可以通过下面几种方法，将其转换为灰度：

Gamma校正

 

RGB值与功率并非简单的线性关系，而是幂函数关系，这个函数的指数称为Gamma值，一般为2.2，而这个换算过程，称为Gamma校正。

为什么显示器要Gamma校正呢？因为人眼对亮度的感知和物理功率不成正比，而是幂函数的关系，这个函数的指数通常为2.2，称为Gamma值。

打个比方，功率为50%的灰色，人眼实际感知亮度为

 

而人眼认为的50%中灰色，实际功率为

 

所以RGB中的灰度值，为了考虑到较小的存储范围(0~255)和较平衡的亮暗部比例，所以需要进行Gamma校正，而不是直接对应功率值，因此RGB值RGB颜色值不能简单直接相加，而是必须用2.2次方换算成物理光功率后才能进行下一步计算。这一点在下面的灰度计算公式中就有所体现。

计算方法

 

任何颜色都由红、绿、蓝三基色组成，假如原来某点的颜色为RGB(R，G，B)，那么，我们可以通过下面几种方法，将其转换为灰度：

1.浮点法：Gray=R*0.3+G*0.59+B*0.11

2.整数法：Gray=(R*30+G*59+B*11)/100

3.移位法：Gray =(R*77+G*151+B*28)>>8;

4.平均值法：Gray=（R+G+B）/3;

5.仅取绿色：Gray=G；

以上五种老式算法计算值均有误差，这些方法对于Gamma校正的图片(平常所见到的24位真彩色图片均为Gamma校正的图片)并不适用。

为什么呢？因为刚才说了，Gamma校正后的分量值不是物理上的功率，不能直接相加，因此，需要提出一种全新的，改进的算法来纠正这一问题。

6.Gamma校正算法：

 

注意这里的2.2次方和2.2次方根，RGB颜色值不能简单直接相加，而是必须用2.2次方换算成物理光功率。因为RGB值与功率并非简单的线性关系，而是幂函数关系，这个函数的指数称为Gamma值，一般为2.2，而这个换算过程，称为Gamma校正。

求得Gray后，将原来的RGB(R,G,B)中的R,G,B统一用Gray替换，形成新的颜色RGB(Gray,Gray,Gray)，用它替换原来的RGB(R,G,B)就是灰度图了。鉴于精确度的要求，在高质量图片处理中最好使用公式6进行计算，以保证准确度。

彩色图像

 

彩色图像通常由几个叠加的彩色通道构成，每个通道代表给定通道的值。例如，RGB图像由三个独立的红色，绿色和蓝色原色分量组成。

这里是一个完整的RGB彩色图像的颜色通道分裂的例子。左边的列显示了自然颜色的孤立的颜色通道，而右边则显示了它们的灰度等值。

反过来也是可能的：从他们单独的灰度通道建立一个全彩色的图像。通过改变通道，使用偏移，旋转和其他操作，可以实现艺术效果，而不是准确地再现原始图像。

来自3个灰度图的RGB的组成

单通道灰度图是由单个像素点通过8位的灰度值（0-255）来表示。例如一幅500*500像素的单通道灰度图是由500X500=250000个不同灰度的像素点组成。

制作方法

 

在photoshop cs4以及以上版本中，都也可以实现 [1]  。

方法：打开你所编辑的图片，依次打开图像,在选择模式，再择灰度。