🧑 博主簡(jiǎn)介：歷代文學(xué)網(wǎng)（PC端可以訪問(wèn)：https://literature.sinhy.com/#/literature?__c=1000，移動(dòng)端可微信小程序搜索“歷代文學(xué)”）總架構(gòu)師，15年工作經(jīng)驗(yàn)，精通Java編程，高并發(fā)設(shè)計(jì)，Springboot和微服務(wù)，熟悉Linux，ESXI虛擬化以及云原生Docker和K8s，熱衷于探索科技的邊界，并將理論知識(shí)轉(zhuǎn)化為實(shí)際應(yīng)用。保持對(duì)新技術(shù)的好奇心，樂(lè)于分享所學(xué)，希望通過(guò)我的實(shí)踐經(jīng)歷和見(jiàn)解，啟發(fā)他人的創(chuàng)新思維。在這里，我希望能與志同道合的朋友交流探討，共同進(jìn)步，一起在技術(shù)的世界里不斷學(xué)習(xí)成長(zhǎng)。

---

JavaCV 圖像灰度化處理

一、引言

在計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域，圖像灰度化是一項(xiàng)基礎(chǔ)且重要的任務(wù)。它將彩色圖像轉(zhuǎn)換為灰度圖像，去除了顏色信息，只保留了圖像的亮度信息。這種轉(zhuǎn)換在許多圖像處理任務(wù)中具有重要意義，如圖像邊緣檢測(cè)、圖像特征提取等。JavaCV 是一個(gè)強(qiáng)大的開(kāi)源庫(kù)，它提供了對(duì)各種計(jì)算機(jī)視覺(jué)算法和圖像處理操作的支持。本文將詳細(xì)介紹如何使用 JavaCV 進(jìn)行圖像灰度化處理，包括相關(guān)的 Maven 依賴、原理講解、代碼示例以及實(shí)際效果展示。

二、JavaCV 簡(jiǎn)介

JavaCV 是一個(gè)基于 Java 的計(jì)算機(jī)視覺(jué)庫(kù)，它封裝了許多流行的計(jì)算機(jī)視覺(jué)庫(kù)，如 OpenCV、FFmpeg 等。通過(guò) JavaCV，開(kāi)發(fā)者可以在 Java 環(huán)境中方便地進(jìn)行圖像處理、視頻處理、計(jì)算機(jī)視覺(jué)算法等任務(wù)。它提供了豐富的 API，使得開(kāi)發(fā)者可以輕松地進(jìn)行圖像的讀取、寫(xiě)入、處理和顯示等操作。

三、Maven 依賴

要在 Java 項(xiàng)目中使用 JavaCV，需要在項(xiàng)目的 pom.xml 文件中添加以下 Maven 依賴：

<dependency><groupId>org.bytedeco</groupId><artifactId>javacv-platform</artifactId><version>1.5.7</version>
</dependency>

這個(gè)依賴會(huì)自動(dòng)引入 JavaCV 所需的所有庫(kù)，包括 OpenCV 的 Java 綁定。

四、圖像灰度化原理

（一）人眼對(duì)顏色的敏感度

人眼對(duì)不同顏色的敏感度是不同的。一般來(lái)說(shuō)，人眼對(duì)綠色最為敏感，其次是紅色，對(duì)藍(lán)色最不敏感。這是因?yàn)槿搜鄣囊暰W(wǎng)膜中有三種不同類型的視錐細(xì)胞，分別對(duì)紅、綠、藍(lán)三種顏色敏感。這三種視錐細(xì)胞的響應(yīng)曲線不同，導(dǎo)致人眼對(duì)不同顏色的敏感度不同。其中，對(duì)綠色敏感的視錐細(xì)胞數(shù)量最多，對(duì)藍(lán)色敏感的視錐細(xì)胞數(shù)量最少。

這種敏感度的差異在圖像灰度化中起著重要的作用。由于人眼對(duì)綠色的敏感度最高，因此在灰度化公式中，綠色的權(quán)重最大。同理，紅色的權(quán)重次之，藍(lán)色的權(quán)重最小。

（二）顏色通道與灰度值

彩色圖像中的紅（R）、綠（G）、藍(lán)（B）三個(gè)顏色通道分別代表了不同的顏色信息。例如，在 RGB 顏色空間中，(255, 0, 0)表示純紅色，(0, 255, 0)表示純綠色，(0, 0, 255)表示純藍(lán)色。而灰度圖像只有一個(gè)通道，其灰度值范圍通常為 0 到 255，0 表示黑色，255 表示白色，中間的數(shù)值表示不同程度的灰色。
彩色圖像的每個(gè)像素由三個(gè)字節(jié)表示，分別對(duì)應(yīng) R、G、B 三個(gè)通道的值。而灰度圖像的每個(gè)像素只需要一個(gè)字節(jié)來(lái)表示灰度值。通過(guò)將彩色圖像轉(zhuǎn)換為灰度圖像，可以大大減少圖像的數(shù)據(jù)量，從而提高圖像處理的效率。

（三）加權(quán)平均公式

Gray = 0.299R + 0.587G + 0.114*B 這個(gè)加權(quán)平均公式是根據(jù)人眼對(duì)不同顏色的敏感度確定的。通過(guò)對(duì)彩色圖像中的每個(gè)像素進(jìn)行計(jì)算，將其 RGB 值轉(zhuǎn)換為一個(gè)單一的灰度值，從而得到灰度圖像。
例如，對(duì)于一個(gè)像素的 RGB 值為(100, 150, 200)，根據(jù)加權(quán)平均公式計(jì)算其灰度值為：
Gray = 0.299 * 100 + 0.587 * 150 + 0.114 * 200 = 29.9 + 88.05 + 22.8 = 140.75
這個(gè)灰度值表示該像素在灰度圖像中的亮度。通過(guò)對(duì)彩色圖像中的每個(gè)像素進(jìn)行這樣的計(jì)算，可以得到整個(gè)灰度圖像。
在實(shí)際應(yīng)用中，這個(gè)加權(quán)平均公式被廣泛應(yīng)用于圖像灰度化處理。它可以有效地保留圖像的亮度信息，同時(shí)減少顏色信息的干擾，使得灰度圖像更加適合于一些特定的圖像處理任務(wù)，如邊緣檢測(cè)、特征提取等。

（四）JavaCV 中的實(shí)現(xiàn)

在 JavaCV 中，圖像灰度化是通過(guò)對(duì)圖像中的每個(gè)像素進(jìn)行計(jì)算，將其 RGB 值轉(zhuǎn)換為一個(gè)單一的灰度值來(lái)實(shí)現(xiàn)的。具體來(lái)說(shuō)，JavaCV 提供了一個(gè)Mat類來(lái)表示圖像，每個(gè)像素在Mat中由一個(gè)數(shù)組表示，數(shù)組的長(zhǎng)度取決于圖像的通道數(shù)。對(duì)于彩色圖像，每個(gè)像素由三個(gè)通道組成，分別表示紅、綠、藍(lán)三個(gè)顏色通道的值。要進(jìn)行灰度化處理，需要遍歷圖像中的每個(gè)像素，將其 RGB 值代入加權(quán)平均公式中，計(jì)算出灰度值，并將灰度值賦值給該像素的三個(gè)通道，使得該像素變?yōu)榛叶认袼亍?/p>

也可以直接使用如下方法：

1. 使用 JavaCV 的 Imgcodecs 類方便地讀取彩色圖像。
2. 使用 JavaCV 的 Imgproc 類將彩色圖像轉(zhuǎn)換為灰度圖像。
3. 使用 JavaCV 的 Imgcodecs 類保存灰度圖像。

五、圖像代碼Javacv代碼示例

以下是一個(gè)使用 JavaCV 進(jìn)行圖像灰度化處理的完整代碼示例：

import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.global.opencv_imgproc;
import org.bytedeco.opencv.opencv_core.Mat;public class ImageGrayingExample {public static void main(String[] args) {String imagePath = "path/to/your/color/image.jpg";// 讀取彩色圖像Mat colorImage = opencv_imgcodecs.imread(imagePath);if (colorImage.empty()) {System.out.println("無(wú)法讀取圖像");return;}Mat grayImage = new Mat();// 彩色圖像轉(zhuǎn)換為灰度opencv_imgproc.cvtColor(colorImage, grayImage, opencv_imgproc.COLOR_BGR2GRAY);String outputPath = "path/to/your/gray/image.jpg";// 保存灰度圖像opencv_imgcodecs.imwrite(outputPath, grayImage);}
}

在上述代碼中，首先使用opencv_imgcodecs.imread()方法讀取一個(gè)彩色圖像。然后，創(chuàng)建一個(gè)與彩色圖像大小相同的灰度圖像。接著，使用opencv_imgproc.cvtColor(colorImage, grayImage, opencv_imgproc.COLOR_BGR2GRAY);將彩色圖像轉(zhuǎn)換為灰度。最后，使用opencv_imgcodecs.imwrite()方法保存灰度圖像。

六、灰度圖像效果展示

為了更好地展示圖像灰度化的效果，我們選取了三張不同的彩色圖像進(jìn)行處理，并將處理前后的效果進(jìn)行對(duì)比。

（一）萬(wàn)象更新成語(yǔ)圖

彩色圖像：

灰度圖像：

從對(duì)比可以看出，彩色圖像中的豐富顏色信息被去除，只保留了圖像的亮度信息。在灰度圖像中，物體的輪廓和形狀更加清晰，這對(duì)于一些圖像處理任務(wù)，如邊緣檢測(cè)和特征提取，是非常有幫助的。

（二）竹馬之交成語(yǔ)圖

彩色圖像：

灰度圖像：

這張圖片在灰度化后，顏色的變化更加明顯。原本鮮艷的竹林在灰度圖像中變成了不同程度的灰色，但是竹林的形狀和紋理依然清晰可見(jiàn)。

（三）獅子搏兔成語(yǔ)圖

彩色圖像：

灰度圖像：

對(duì)于這張風(fēng)景圖片，灰度化處理后，天空、山脈和湖水的顏色都變成了灰色調(diào)。但是，圖像中的層次感和細(xì)節(jié)依然保留，使得我們可以更專注于圖像的結(jié)構(gòu)和形狀。

七、圖像灰度化在圖像邊緣檢測(cè)中的應(yīng)用

（一）簡(jiǎn)化計(jì)算過(guò)程

在圖像邊緣檢測(cè)中，灰度圖像可以簡(jiǎn)化計(jì)算過(guò)程。因?yàn)榛叶葓D像只有一個(gè)通道，而彩色圖像有三個(gè)通道，所以在處理灰度圖像時(shí)，計(jì)算量會(huì)大大減少。這使得邊緣檢測(cè)算法能夠更快地運(yùn)行，提高處理效率。

（二）減少顏色信息干擾

彩色圖像中的顏色信息可能會(huì)對(duì)邊緣檢測(cè)算法產(chǎn)生干擾。例如，在某些情況下，顏色的變化可能會(huì)被誤認(rèn)為是邊緣，從而導(dǎo)致誤檢測(cè)。而灰度圖像只包含亮度信息，減少了顏色信息的干擾，使得邊緣檢測(cè)算法能夠更準(zhǔn)確地識(shí)別圖像中的邊緣。

以下是一個(gè)使用 JavaCV 進(jìn)行圖像邊緣檢測(cè)的代碼示例，其中首先對(duì)彩色圖像進(jìn)行灰度化處理，然后再進(jìn)行邊緣檢測(cè)：

import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.global.opencv_imgproc;import static org.bytedeco.opencv.global.opencv_core.CV_8UC3;
import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;public class ImageEdgeDetection {public static void main(String[] args) {// 讀取彩色圖像Mat colorImage = opencv_imgcodecs.imread("path/to/color/image.jpg");// 創(chuàng)建一個(gè)與彩色圖像大小相同的灰度圖像Mat grayImage = new Mat(colorImage.rows(), colorImage.cols(), CV_8UC1);// 遍歷彩色圖像中的每個(gè)像素，進(jìn)行灰度化處理for (int i = 0; i < colorImage.rows(); i++) {for (int j = 0; j < colorImage.cols(); j++) {double[] pixel = colorImage.get(i, j);double blue = pixel[0];double green = pixel[1];double red = pixel[2];double grayValue = 0.299 * red + 0.587 * green + 0.114 * blue;grayImage.put(i, j, grayValue);}}// 進(jìn)行邊緣檢測(cè)Mat edges = new Mat();opencv_imgproc.Canny(grayImage, edges, 50, 150);// 保存邊緣檢測(cè)后的圖像opencv_imgcodecs.imwrite("path/to/edge/image.jpg", edges);}
}

在上述代碼中，首先對(duì)彩色圖像進(jìn)行灰度化處理，得到灰度圖像。然后，使用opencv_imgproc.Canny()方法對(duì)灰度圖像進(jìn)行邊緣檢測(cè)，得到邊緣圖像。最后，保存邊緣圖像。

八、圖像灰度化在圖像特征提取中的應(yīng)用

（一）提取圖像的形狀特征

在圖像特征提取中，灰度圖像可以用于提取圖像的形狀特征。例如，可以使用輪廓檢測(cè)算法來(lái)檢測(cè)灰度圖像中的物體輪廓，從而提取出物體的形狀特征。輪廓檢測(cè)算法通?；趫D像的梯度信息，而灰度圖像的梯度信息更容易計(jì)算，因?yàn)樗挥幸粋€(gè)通道。

以下是一個(gè)使用 JavaCV 進(jìn)行圖像輪廓檢測(cè)的代碼示例：

import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.global.opencv_imgproc;import static org.bytedeco.opencv.global.opencv_core.CV_8UC3;
import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;public class ImageContourDetection {public static void main(String[] args) {// 讀取彩色圖像Mat colorImage = opencv_imgcodecs.imread("path/to/color/image.jpg");// 創(chuàng)建一個(gè)與彩色圖像大小相同的灰度圖像Mat grayImage = new Mat(colorImage.rows(), colorImage.cols(), CV_8UC1);// 遍歷彩色圖像中的每個(gè)像素，進(jìn)行灰度化處理for (int i = 0; i < colorImage.rows(); i++) {for (int j = 0; j < colorImage.cols(); j++) {double[] pixel = colorImage.get(i, j);double blue = pixel[0];double green = pixel[1];double red = pixel[2];double grayValue = 0.299 * red + 0.587 * green + 0.114 * blue;grayImage.put(i, j, grayValue);}}// 進(jìn)行輪廓檢測(cè)Mat edges = new Mat();opencv_imgproc.Canny(grayImage, edges, 50, 150);Mat hierarchy = new Mat();Mat contours = new Mat();opencv_imgproc.findContours(edges, contours, hierarchy, opencv_imgproc.RETR_TREE, opencv_imgproc.CHAIN_APPROX_SIMPLE);// 在彩色圖像上繪制輪廓opencv_imgproc.drawContours(colorImage, contours, -1, new org.bytedeco.opencv.opencv_core.Scalar(0, 255, 0), 2);// 保存帶有輪廓的彩色圖像opencv_imgcodecs.imwrite("path/to/contour/image.jpg", colorImage);}
}

在上述代碼中，首先對(duì)彩色圖像進(jìn)行灰度化處理，得到灰度圖像。然后，使用opencv_imgproc.Canny()方法對(duì)灰度圖像進(jìn)行邊緣檢測(cè)，得到邊緣圖像。接著，使用opencv_imgproc.findContours()方法在邊緣圖像上檢測(cè)輪廓，得到輪廓信息。最后，在彩色圖像上繪制輪廓，并保存帶有輪廓的彩色圖像。

（二）提取圖像的紋理特征

灰度圖像還可以用于提取圖像的紋理特征。紋理特征是指圖像中像素的灰度值在空間上的分布規(guī)律。可以使用一些紋理特征提取算法，如灰度共生矩陣、局部二值模式等，來(lái)提取灰度圖像中的紋理特征。

以下是一個(gè)使用 JavaCV 進(jìn)行圖像紋理特征提取的代碼示例（以灰度共生矩陣為例）：

import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.global.opencv_imgproc;import static org.bytedeco.opencv.global.opencv_core.CV_8UC3;
import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;public class ImageTextureExtraction {public static void main(String[] args) {// 讀取彩色圖像Mat colorImage = opencv_imgcodecs.imread("path/to/color/image.jpg");// 創(chuàng)建一個(gè)與彩色圖像大小相同的灰度圖像Mat grayImage = new Mat(colorImage.rows(), colorImage.cols(), CV_8UC1);// 遍歷彩色圖像中的每個(gè)像素，進(jìn)行灰度化處理for (int i = 0; i < colorImage.rows(); i++) {for (int j = 0; j < colorImage.cols(); j++) {double[] pixel = colorImage.get(i, j);double blue = pixel[0];double green = pixel[1];double red = pixel[2];double grayValue = 0.299 * red + 0.587 * green + 0.114 * blue;grayImage.put(i, j, grayValue);}}// 計(jì)算灰度共生矩陣int[][] glcm = new int[256][256];for (int i = 0; i < grayImage.rows(); i++) {for (int j = 0; j < grayImage.cols(); j++) {int pixelValue = (int) grayImage.get(i, j)[0];if (i < grayImage.rows() - 1 && j < grayImage.cols() - 1) {int nextPixelValue = (int) grayImage.get(i + 1, j + 1)[0];glcm[pixelValue][nextPixelValue]++;}}}// 計(jì)算紋理特征double contrast = 0;double energy = 0;double homogeneity = 0;for (int i = 0; i < 256; i++) {for (int j = 0; j < 256; j++) {contrast += (i - j) * (i - j) * glcm[i][j];energy += glcm[i][j] * glcm[i][j];homogeneity += glcm[i][j] / (1 + Math.abs(i - j));}}System.out.println("Contrast: " + contrast);System.out.println("Energy: " + energy);System.out.println("Homogeneity: " + homogeneity);}
}

在上述代碼中，首先對(duì)彩色圖像進(jìn)行灰度化處理，得到灰度圖像。然后，計(jì)算灰度圖像的灰度共生矩陣。最后，根據(jù)灰度共生矩陣計(jì)算紋理特征，如對(duì)比度、能量和同質(zhì)性。

九、總結(jié)

本文詳細(xì)介紹了如何使用 JavaCV 進(jìn)行圖像灰度化處理。首先，介紹了 JavaCV 的簡(jiǎn)介和 Maven 依賴。然后，講解了圖像灰度化的原理，包括人眼對(duì)顏色的敏感度和加權(quán)平均公式。接著，給出了使用 JavaCV 進(jìn)行圖像灰度化處理的代碼示例，并展示了處理前后的效果。最后，介紹了圖像灰度化在圖像邊緣檢測(cè)和圖像特征提取中的應(yīng)用。通過(guò)本文的學(xué)習(xí)，讀者可以了解到圖像灰度化的重要性和實(shí)現(xiàn)方法，為進(jìn)一步的圖像處理和計(jì)算機(jī)視覺(jué)任務(wù)打下基礎(chǔ)。

十、參考資料文獻(xiàn)

1. JavaCV 官方文檔
2. OpenCV 官方文檔
3. 《數(shù)字圖像處理》（第三版），岡薩雷斯等著
4. 《計(jì)算機(jī)視覺(jué)：算法與應(yīng)用》，Szeliski 著