Java影像灰度化的實現過程解析

概要

本文主要介紹了灰度化的幾種方法，以及如何使用Java實現灰度化。同時分析了網上一種常見卻並不妥當的Java灰度化實現，以及證明了opencv的灰度化是使用“加權灰度化”法

24位彩色圖與8位灰度圖

首先要先介紹一下24位彩色影像，在一個24位彩色影像中，每個畫素由三個位元組表示，通常表示為RGB。通常，許多24位彩色影像儲存為32點陣圖像，每個畫素多餘的位元組儲存為一個alpha值，表現有特殊影響的資訊[1]。

在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此，灰度影像每個畫素只需一個位元組存放灰度值（又稱強度值、亮度值），灰度範圍為0-255[2]。這樣就得到一幅圖片的灰度圖。

幾種灰度化的方法

• 分量法：使用RGB三個分量中的一個作為灰度圖的灰度值。
• 最值法：使用RGB三個分量中最大值或最小值作為灰度圖的灰度值。
• 均值法：使用RGB三個分量的平均值作為灰度圖的灰度值。
• 加權法：由於人眼顏色敏感度不同，按下一定的權值對RGB三分量進行加權平均能得到較合理的灰度影像。一般情況按照：Y = 0.30R + 0.59G + 0.11B。

[注]加權法實際上是取一幅圖片的亮度值作為灰度值來計算，用到了YUV模型。在[3]中會發現作者使用了Y = 0.21 * r + 0.71 * g + 0.07 * b來計算灰度值（顯然三個權值相加並不等於1，可能是作者的錯誤？）。實際上，這種差別應該與是否使用伽馬校正有關[1]。

一種Java實現灰度化的方法

如果你搜尋“Java實現灰度化”，十有八九都是一種方法（程式碼）：

public void grayImage() throws IOException{
    File file = new File(System.getProperty("user.dir")+"/test.jpg");
    BufferedImage image = ImageIO.read(file);

    int width = image.getWidth();  
    int height = image.getHeight();  

    BufferedImage grayImage = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY); 
    for(int i= 0 ; i < width ; i++){  
        for(int j = 0 ; j < height; j++){  
        int rgb = image.getRGB(i, j);  
        grayImage.setRGB(i, j, rgb);  
        }  
    }  

    File newFile = new File(System.getProperty("user.dir")+"/method1.jpg");  
    ImageIO.write(grayImage, "jpg", newFile);  
}

test.jpg的原圖為：

使用上述方法得到的灰度圖：

看到這幅灰度圖，似乎還真是可行，但是如果我們使用opencv來實現灰度化或使用PIL（Python），你會發現效果相差很大：

img = cv2.imread('test.jpg',cv2.IMREAD_COLOR)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imwrite('PythonMethod.jpg', gray)

可以清楚的看到，使用opencv（PIL也是一樣的）得到的灰度圖要比上面Java方法得到的方法好很多，很多細節都能夠看得到。這說明，網上這種流行的方法一直都存在這某種問題，只是一直被忽略。

opencv如何實現灰度化

如果讀過opencv相關的書籍或程式碼，大概都能知道opencv灰度化使用的是加權法，之所以說是大概，因為我們不知道為什麼opencv灰度化的影像如此的好，是否有其他的處理細節被我們忽略了？

驗證我們的猜想很簡單，只要檢視畫素值灰度化前後的變化就知道了，可以如下測試：

img = cv2.imread('test.jpg',cv2.IMREAD_COLOR)
h, w = img.shape[:2]
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
for j in range(w):
	for i in range(h):
		print str(i) + " : " + str(j) + " " + str(gray[i][j])
print img[h-1][w-1][0:3]

以下列印了這麼多畫素點，我們也很難判斷，但是我們只要關注一下最後一個畫素點，就能夠發現端倪： 原圖最後的畫素點RGB值為44，67，89，而灰度化之後的值為71。正好符合加權法計算的灰度值。如果你檢查之前用Java灰度化的圖片的畫素值，你會發現不僅僅畫素值不符合這個公式，甚至相差甚遠。

到此，我們猜測opencv（也包括PIL）是使用加權法實現的灰度化。

Java實現加權法灰度化

如果網上那段流行的方法不行，我們該如何使用Java實現灰度化？實際上[3]已經成功的實現了（多種方法的）灰度化（外國友人搞技術還是很給力的），在此僅僅提取必要的程式碼：

private static int colorToRGB(int alpha, int red, int green, int blue) {

		int newPixel = 0;
		newPixel += alpha;
		newPixel = newPixel << 8;
		newPixel += red;
		newPixel = newPixel << 8;
		newPixel += green;
		newPixel = newPixel << 8;
		newPixel += blue;

		return newPixel;

}
public static void main(String[] args) throws IOException {
	BufferedImage bufferedImage 
		= ImageIO.read(new File(System.getProperty("user.dir" + "/test.jpg"));
	BufferedImage grayImage = 
		new BufferedImage(bufferedImage.getWidth(), 
						  bufferedImage.getHeight(), 
						  bufferedImage.getType());

	for (int i = 0; i < bufferedImage.getWidth(); i++) {
		for (int j = 0; j < bufferedImage.getHeight(); j++) {
			final int color = bufferedImage.getRGB(i, j);
			final int r = (color >> 16) & 0xff;
			final int g = (color >> 8) & 0xff;
			final int b = color & 0xff;
			int gray = (int) (0.3 * r + 0.59 * g + 0.11 * b);;
			System.out.println(i + " : " + j + " " + gray);
			int newPixel = colorToRGB(255, gray, gray, gray);
			grayImage.setRGB(i, j, newPixel);
		}
	}
	File newFile = new File(System.getProperty("user.dir") + "/ok.jpg");
	ImageIO.write(grayImage, "jpg", newFile);
}

上面的程式碼會列印出灰度化後的畫素值，如果再與上面的Python程式碼做對比，你會發現畫素值完全的對應上了。colorToRGB方法中對彩色圖的處理正好是4個位元組，其中之一是alpha引數（前文所講），下圖是這段程式碼灰度化後的影像：

對於其他方法，依次同理可得。

總結

本文的成因本是希望使用Java實現幾種灰度化操作，並使用opencv來驗證轉化的對錯，但在實際測試中發現了一些問題（轉化後的圖片有差異，以及如何在轉化後根據灰度值生成灰度圖等問題），並就此進行了一定的思考與驗證。

這裡需要注意的是，網上的一些文章或多或少沒有做更進一步的思考（甚至很多都是照搬，尤其是國內的文章），而對於這些實際問題，動手實現並驗證是非常重要的方法。希望本文對大家有所幫助。

參考

• [1] 《多媒體技術教程》Ze-Nian Li，Mark S.Drew著，機械工業出版社。
• [2] 百度百科：灰度值
• [3] Java color image to grayscale conversion algorithm(s)