为什么 cv2.COLOR_RGB2GRAY 和 cv2.COLOR_BGR2GRAY 会给出不同的结果？

Question

我一直认为将图像从彩色转换为灰度很简单：每个像素的强度将是每个颜色通道强度的平均值。但我注意到了这一点，cv2.COLOR_RGB2GRAY并cv2.COLOR_BGR2GRAY给出了不同的结果。当我用它们进行试验时，我还发现它也不同于每个颜色通道的强度平均值。

PS当我发现时我完全感到困惑

img_read_as_color[:,:,0]/3+img_read_as_color[:,:,1]/3+img_read_as_color[:,:,2]/3 == (img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2])/3

但是当显示为图像时

(img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2])/3

看起来像

img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2]

有人可以向我解释为什么会这样吗？

我的完整代码：

import matplotlib.pyplot as plt
import cv2

sample = r'G:\Python\knight-mare\screenshots\2020-07-12-02-40-44.jpg'
img_read_as_grayscale = cv2.imread(sample, cv2.IMREAD_GRAYSCALE)
img_read_as_color = cv2.imread(sample, cv2.IMREAD_COLOR)
img_RGB_to_grayscale = cv2.cvtColor(img_read_as_color, cv2.COLOR_RGB2GRAY)
img_BGR_to_grayscale = cv2.cvtColor(img_read_as_color, cv2.COLOR_BGR2GRAY)
plt.imshow(img_read_as_grayscale)
plt.title('img_read_as_grayscale')
plt.show()
plt.imshow(img_read_as_color)
plt.title('img_read_as_color')
plt.show()
plt.imshow(img_RGB_to_grayscale)
plt.title('img_RGB_to_grayscale')
plt.show()
plt.imshow(img_BGR_to_grayscale)
plt.title('img_BGR_to_grayscale')
plt.show()

channel_avg_div_separately = img_read_as_color[:,:,0]/3+img_read_as_color[:,:,1]/3+img_read_as_color[:,:,2]/3
channel_avg_div_together = (img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2])/3
channel_sum = img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2]
plt.imshow(channel_avg_div_separately)
plt.title('channel_avg_div_separately')
plt.show()
plt.imshow(channel_avg_div_together)
plt.title('channel_avg_div_together')
plt.show()
plt.imshow(channel_sum)
plt.title('channel_sum')
plt.show()

Answer 1

1. RGB-> 灰度转换实际上不是平均值——不同通道的权重不同。具体来说：

gray_pixel = 0.114 * blue_pixel + 0.299 * red_pixel + 0.587 * green_pixel

文档中也提到了这一点。因此，预计 RGB2GRAY 和 BGR2GRAY 会给出不同的结果。

2. 关于 sum-then-divide 和divide-then-sum 方法之间的差异，即

img_read_as_color[:,:,0]/3+img_read_as_color[:,:,1]/3+img_read_as_color[:,:,2]/3

和

(img_read_as_color[:,:,0]+img_read_as_color[:,:,1]+img_read_as_color[:,:,2])/3

回想一下，它cv2.imread返回一个 uint8 numpy 数组。因此，后一个操作（在除法之前将所有通道组合在一起）会导致溢出（实际上，在这种情况下，ipython3 给了我一个运行时警告）。在标记为channel_avg_div_together和 的图像中也可以看到类似溢出的伪影channel_sum。

Answer 2

嗯，首先，转换不是简单的平均，更不用说线性变换了。计算公式为RGB[A] to Gray:Y\xe2\x86\x900.299\xe2\x8b\x85R+0.587\xe2\x8b\x85G+0.114\xe2\x8b\x85B（OpenCV Docs）

\n

显然，无论使用 BGR 还是 RGB 作为输入，OpenCV 使用相同的公式来转换为灰度，但使用该公式时会保留通道顺序，因此转换时传递的错误顺序将导致错误的结果。

\n

一个很好的例子是我最近看到的一篇论坛帖子，其中作者比较了 RGB 和 BGR 转换后的结果。右下角像素具有以下值。（图片来源为链接的帖子/作者）

\n

CV_BGR2GRAY: Lower right corner: 0.1140 * 163 + 0.5870 * 182 + 0.2989 * 203 \xe2\x89\x88 186\n\nCV_RGB2GRAY: Lower right corner: 0.1140 * 203 + 0.5870 * 182 + 0.2989 * 163 \xe2\x89\x88 179\n

\n

所以tl;dr：如果传递的通道顺序错误，转换后的输出将会有所不同。

\n

\n

\n