RGB彩色图像转灰度图像：Python与OpenCV实现指南
彩色图像转灰度（图像灰度化）是图像处理领域最基础且常用的操作之一。灰度图像本质上是仅保留亮度信息，每个像素值表示该点的明亮程度，去除了颜色信息。这一过程不仅能有效减少数据量，还为后续的边缘检测、特征提取等任务提供了便利。
import numpy as np
import matplotlib.pyplot as plt
# 设置matplot中文支持
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
# 构造一个简单的 RGB 彩色图像
img = np.array([
[[255, 0, 0], [0, 255, 0], [0, 0, 255]],
[[255, 255, 0], [0, 255, 255], [255, 0, 255]],
[[128, 128, 128], [64, 128, 192], [10, 30, 200]]
], dtype=np.uint8)
# RGB 转灰度
gray = (0.299 * img[..., 0] + 0.587 * img[..., 1] + 0.114 * img[..., 2]).astype(np.uint8)
# 输出图像变化
print("原始图像形状:", img.shape)
print("灰度图像形状:", gray.shape)
# 选取一个像素位置并输出其 RGB 和灰度值
pixel_coord = (2, 1) # 第三行第二列
r, g, b = img[pixel_coord]
gray_value = gray[pixel_coord]
print(f"像素位置 {pixel_coord} 的 R, G, B 值: ({r}, {g}, {b})")
print(f"转换后该像素的灰度值: {gray_value}")
# 显示原图和灰度图
fig, axes = plt.subplots(1, 2, figsize=(8, 4))
axes[0].imshow(img)
axes[0].set_title("原始 RGB 图像")
axes[0].axis("off")
axes[1].imshow(gray, cmap="gray", vmin=0, vmax=255)
axes[1].set_title("转换后的灰度图像")
axes[1].axis("off")
plt.show()
运行结果如下：
原始图像形状: (3, 3, 3)
灰度图像形状: (3, 3)
像素位置 (2, 1) 的 R, G, B 值: (64, 128, 192)
转换后该像素的灰度值: 116
由此可见，RGB图像转灰度图像的标准公式为：
G
r
a
y
=
0.299
×
R
+
0.587
×
G
+
0.114
×
B
使用OpenCV库实现图像灰度转换则更加便捷，仅需一行代码即可完成。以下是具体示例：
import cv2
gray_cv = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
print("原始图像形状:", img.shape)
print("OpenCV 转换后的灰度图像形状:", gray_cv.shape)
pixel_coord = (2, 1)
r, g, b = img[pixel_coord]
gray_value = gray_cv[pixel_coord]
print(f"像素位置 {pixel_coord} 的 R, G, B 值: ({r}, {g}, {b})")
print(f"OpenCV 转换后该像素的灰度值: {gray_value}")
fig, axes = plt.subplots(1, 2, figsize=(8, 4))
axes[0].imshow(img)
axes[0].set_title("原始 RGB 图像")
axes[0].axis("off")
axes[1].imshow(gray_cv, cmap="gray", vmin=0, vmax=255)
axes[1].set_title("OpenCV 转换后的灰度图像")
axes[1].axis("off")
plt.show()
执行结果如下：
原始图像形状: (3, 3, 3)
OpenCV 转换后的灰度图像形状: (3, 3)
像素位置 (2, 1) 的 R, G, B 值: (64, 128, 192)
OpenCV 转换后该像素的灰度值: 116
在实际应用中，灰度图像的像素值有时以浮点数形式存储，例如在深度学习预处理阶段常需归一化到[0,1]区间。此时使用cv2.cvtColor同样可以处理浮点型图像，并返回浮点数结果。
# 将示例图像转换为浮点数模式
img_float = img.astype(np.float32) / 255.0
# 使用 OpenCV 将浮点图像转换为灰度图像
gray_float_cv = cv2.cvtColor(img_float, cv2.COLOR_RGB2GRAY)
print("原始图像 dtype:", img_float.dtype, "值域:", img_float.min(), img_float.max())
print("OpenCV 转换后灰度图像 dtype:", gray_float_cv.dtype, "值域:", gray_float_cv.min(), gray_float_cv.max())
pixel_coord = (2, 1)
r, g, b = img_float[pixel_coord]
gray_value = gray_float_cv[pixel_coord]
print(f"像素位置 {pixel_coord} 的 R, G, B 值（浮点数）: ({r:.3f}, {g:.3f}, {b:.3f})")
print(f"OpenCV 转换后该像素的灰度值（浮点数）: {gray_value:.3f}")
fig, axes = plt.subplots(1, 2, figsize=(8, 4))
axes[0].imshow(img_float)
axes[0].set_title("浮点数 RGB 图像")
axes[0].axis("off")
axes[1].imshow(gray_float_cv, cmap="gray", vmin=0, vmax=1)
axes[1].set_title("OpenCV 转换后的浮点灰度图像")
axes[1].axis("off")
plt.show()
运行结果如下：
原始图像 dtype: float32 值域: 0.0 1.0
OpenCV 转换后灰度图像 dtype: float32 值域: 0.114 0.88600004
像素位置 (2, 1) 的 R, G, B 值（浮点数）: (0.251, 0.502, 0.753)
OpenCV 转换后该像素的灰度值（浮点数）: 0.456
OpenCV图像灰度化实现原理与源码解析
对于灰度转换公式Gray = 0.299×R + 0.587×G + 0.114×B，OpenCV底层是如何实现的？我们深入源码进行探究。
在opencv/imgproc/src/color.cpp文件中，可以找到转换相关的核心代码：
顺着这个线索，再定位到opencv/hal/ipp/src/color_ipp.cpp文件，进一步查看具体实现细节：
