详解Java如何实现图像灰度化

24位彩色图与8位灰度图

首先要先介绍一下24位彩色图像，在一个24位彩色图像中，每个像素由三个字节表示，通常表示为rgb。通常，许多24位彩色图像存储为32位图像，每个像素多余的字节存储为一个alpha值，表现有特殊影响的信息[1]。

在rgb模型中，如果r=g=b时，则彩色表示一种灰度颜色，其中r=g=b的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255[2]。这样就得到一幅图片的灰度图。

几种灰度化的方法

     1、分量法：使用rgb三个分量中的一个作为灰度图的灰度值。

     2、最值法：使用rgb三个分量中最大值或最小值作为灰度图的灰度值。

     3、均值法：使用rgb三个分量的平均值作为灰度图的灰度值。

     4、加权法：由于人眼颜色敏感度不同，按下一定的权值对rgb三分量进行加权平均能得到较合理的灰度图像。一般情况按照：y = 0.30r + 0.59g + 0.11b。

[注]加权法实际上是取一幅图片的亮度值作为灰度值来计算，用到了yuv模型。在[3]中会发现作者使用了y = 0.21 * r + 0.71 * g + 0.07 * b来计算灰度值（显然三个权值相加并不等于1，可能是作者的错误？）。实际上，这种差别应该与是否使用伽马校正有关[1]。

一种java实现灰度化的方法

如果你搜索“java实现灰度化”，十有八九都是一种方法（代码）：

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的原图为：

使用上述方法得到的灰度图：

看到这幅灰度图，似乎还真是可行，但是如果我们使用opencv来实现灰度化或使用pil（python），你会发现效果相差很大：

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也是一样的）得到的灰度图要比上面java方法得到的方法好很多，很多细节都能够看得到。这说明，网上这种流行的方法一直都存在这某种问题，只是一直被忽略。

opencv如何实现灰度化

如果读过opencv相关的书籍或代码，大概都能知道opencv灰度化使用的是加权法，之所以说是大概，因为我们不知道为什么opencv灰度化的图像如此的好，是否有其他的处理细节被我们忽略了？

验证我们的猜想很简单，只要查看像素值灰度化前后的变化就知道了，可以如下测试：

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]

以下打印了这么多像素点，我们也很难判断，但是我们只要关注一下最后一个像素点，就能够发现端倪： 原图最后的像素点rgb值为44，67，89，而灰度化之后的值为71。正好符合加权法计算的灰度值。如果你检查之前用java灰度化的图片的像素值，你会发现不仅仅像素值不符合这个公式，甚至相差甚远。

到此，我们猜测opencv（也包括pil）是使用加权法实现的灰度化。

java实现加权法灰度化

如果网上那段流行的方法不行，我们该如何使用java实现灰度化？实际上[3]已经成功的实现了（多种方法的）灰度化（外国友人搞技术还是很给力的），在此仅仅提取必要的代码：

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);
}

上面的代码会打印出灰度化后的像素值，如果再与上面的python代码做对比，你会发现像素值完全的对应上了。colortorgb方法中对彩色图的处理正好是4个字节，其中之一是alpha参数（前文所讲），下图是这段代码灰度化后的图像：

对于其他方法，依次同理可得。

总结

本文的成因本是希望使用java实现几种灰度化操作，并使用opencv来验证转化的对错，但在实际测试中发现了一些问题（转化后的图片有差异，以及如何在转化后根据灰度值生成灰度图等问题），并就此进行了一定的思考与验证。这里需要注意的是，网上的一些文章或多或少没有做更进一步的思考（甚至很多都是照搬，尤其是国内的文章），而对于这些实际问题，动手实现并验证是非常重要的方法。希望本文的内容对大家能有所帮助。如果有疑问可以留言讨论。