opencv判断灰化情况

本文主要是介绍opencv判断灰化情况，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

目的

先说说理论：
在图像处理中，用RGB三个分量（R：Red，G：Green，B：Blue），即红、绿、蓝三原色来表示真彩色，R分量，G分量，B分量的取值范围均为0~255，比如电脑屏幕上的一个红色的像素点的三个分量的值分别为：255，0，0。
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。
这是理论，实际在Opencv中，灰度化就是单通道图了，因为RGB都一样了，没必要都存储了。
再说说具体目的：
目的就是判断一个图片是否灰化了。
网上，包括，AI上很多方法都不行。

分析

先把一张简单的图片进行灰化操作：

void productGrayImage()
{cv::Mat image(10, 10, CV_8UC3);// 遍历图像的每个像素for (int x = 0; x < image.rows; ++x) {for (int y = 0; y < image.cols; ++y) {// 获取像素的指针cv::Vec3b& pixel = image.at<cv::Vec3b>(x, y);// 为BGR通道分别赋值pixel[0] = 255; // 蓝色通道 (B)pixel[1] = 9; // 绿色通道 (G)pixel[2] = 10;   // 红色通道 (R)}}image.at<cv::Vec3b>(0, 0)[0] = 255;image.at<cv::Vec3b>(0, 0)[1] = 255;image.at<cv::Vec3b>(0, 0)[2] = 255;printf("image.type=%d\n", image.type());// 显示图像cv::imshow("Colored Image", image);cv::cvtColor(image, image, cv::COLOR_BGR2GRAY);printf("image.type=%d\n", image.type());for (int x = 0; x < image.rows; ++x){for (int y = 0; y < image.cols; ++y){// 获取像素的指针int pixel = image.at<uchar>(x, y);printf("%d ",pixel);}printf("\n");}
//    cv::imwrite("gray.jpg", image);cv::imshow("gray Image", image);cv::imwrite("gray.bmp", image);
}

运行情况：
在这里插入图片描述

生成gray.bmp的情况：
在这里插入图片描述

下面判断是否灰化：

void judgeGrayImageInfo(QString imagePath)
{//cv::Mat image = cv::imread(imagePath.toStdString(), cv::IMREAD_GRAYSCALE); // 加载图像QImage image = QImage(imagePath);qDebug()<<"image.colorCount="<<image.colorCount();qDebug()<<"image.format="<<image.format();cv::Mat mat = cv::imread(imagePath.toStdString()); // 加载图像qDebug()<<"mat.type="<<mat.type();for (int i = 0; i < mat.rows; i++){for (int j = 0; j < mat.cols; j++){if(mat.type() == 16){cv::Vec3b pixel = mat.at<cv::Vec3b>(i, j);printf("%d,%d,%d ", pixel[0], pixel[1], pixel[2]);}else{int pixel = mat.at<uchar>(i, j);printf("%d ", pixel);}}printf("\n");}if (isGrayImage(mat)) {std::cout << "The image is grayscale." << std::endl;} else {std::cout << "The image is not grayscale." << std::endl;}cv::imshow("gray Image", mat);cv::Mat mats[3];split(mat,mats);cv::imshow("gray gray Image", mat);mat = mats[0];int uniqueColors = cv::countNonZero(mat);qDebug()<<"uniqueColors="<<uniqueColors;qDebug()<<"mat.type="<<mat.type();if(mat.type() == 0){mat.at<uchar>(0, 1) = 255;mat.at<uchar>(0, 2) = 255;}for (int i = 0; i < mat.rows; i++){for (int j = 0; j < mat.cols; j++){if(mat.type() == 16){cv::Vec3b pixel = mat.at<cv::Vec3b>(i, j);printf("%d,%d,%d ", pixel[0], pixel[1], pixel[2]);}else{int pixel = mat.at<uchar>(i, j);printf("%d ", pixel);}}printf("\n");}
}

运行情况：

在这里插入图片描述

可以见得，能正确判断是否灰化

总结

灰化是怎么判断的呢？
灰化图在opencv中是单通道图，但保存时，会转化成RGB模式的图。
所以，再加载，通过通道数，判断是否是灰度图，这样是不对的。
解决方法：
首先，一个图片在保存时，其实是以RGB模式保存的，这也是操作系统默认的保存方式。
那一个灰化图在保存时，会默认转化为RGB模式，怎么转化，其就是把一个灰化值重复为三份，分别对应RGB,这样就可以了。
如图所示：
在这里插入图片描述