不懂python怎么分析灰度？其實想解決這個問題也不難，下面讓小編帶著大家一起學習怎么去解決，希望大家閱讀完這篇文章后大所收獲。

成都創(chuàng)新互聯主營湯陰網站建設的網絡公司,主營網站建設方案,app軟件開發(fā),湯陰h5小程序定制開發(fā)搭建,湯陰網站營銷推廣歡迎湯陰等地區(qū)企業(yè)咨詢

圖像類型：通常我們的數字圖像是彩色的3通道RGB圖像，R代表紅色，G代表綠色，B代表藍色。

存儲方式：通常是uint8 無符號整數，0~255，當然也有24bits 可以表示更多的顏色，雖然這樣做可以提高圖像對于現實世界的一個還原度，但是會增加更多的開銷，因此我們通常還是用8bits

灰度圖像：灰度圖像在圖像處理種有著非常重要的地位，一些常用的操作都會涉及到灰度圖像的轉換，邊緣檢測、二值化等這些操作之前通常都是RGB to Gray。

直接給出公式：Gray = 0.2989*R+0.5870*G+0.1140*B

#Python Opencv
#導入頭文件
%matplotlib inline
import matplotlib.pyplot as plt 
import cv2
import numpy as np
 
#讀取圖像，opencv讀取圖像通道順序為BGR
img=cv2.imread('img.path.jpg')
 
#顯示圖像，其中.astype(np.uint8)為了確保數據格式以免無法顯示，plt顯示圖像需要為RGB順序
plt.figure(figsize=(15,10))
plt.imshow(cv2.cvtColor(img.astype(np.uint8), cv2.COLOR_BGR2RGB))
plt.show()

img=0.2989*img[:,:,2]+0.5870*img[:,:,1]+0.1140*img[:,:,0]
######
plt.figure(figsize=(15,10))
plt.imshow(img, cmap ='gray')
plt.show()

#opencv 自帶函數進行轉化
plt.figure(figsize=(15,10))
plt.imshow(cv2.cvtColor(img.astype(np.uint8), cv2.COLOR_BGR2GRAY),cmap='gray')
plt.show()

img3=0.2989*img[:,:,2]+0.5870*img[:,:,1]+0.1140*img[:,:,0]
img2=cv2.cvtColor(img.astype(np.uint8), cv2.COLOR_BGR2GRAY)
print((img3-img2).sum()/(img.shape[0]*img.shape[1]))  ###結果=-0.0072855376781315

對比下，自己用公式得到的灰度圖和opencv自己函數的灰度圖，其實還是不一樣的，應該是計算精度上的差距

感謝你能夠認真閱讀完這篇文章，希望小編分享python怎么分析灰度內容對大家有幫助，同時也希望大家多多支持創(chuàng)新互聯，關注創(chuàng)新互聯行業(yè)資訊頻道，遇到問題就找創(chuàng)新互聯，詳細的解決方法等著你來學習!