OpenCV计算机视觉开发入门与实践＜十三＞：图像转换之灰度图、二值图

1.图像转换

颜色变换是 imgproc 模块中一个常用的功能。我们生活中大多数看到的彩色图片都是 RGB 类型的，但是在进行图像处理时需要用到灰度图、二值图、HSV、HSI 等颜色制式，OpenCV 提供了cvtColor()函数来实现这些功能。这个函数用来进行颜色空间的转换，随着 OpenCV 版本的升级，对于颜色空间种类的支持也越来越多，因此涉及不同颜色空间之间的转换，比如 RGB 和灰度的互转、RGB 和 HSV（六角锥体模型，这个模型中颜色的参数分别是色调 H、饱和度 S、明度 V）的互转等。

cvtColor 函数声明如下：

voidcvtColor(InputArray src,OutputArray dst,intcode,intdstCn=0);

其中参数 src 用于输入图像，即要进行颜色空间变换的原图像，可以是 Mat 类；OutputArray dst用于输出图像，即进行颜色空间变换后存储的图像，也可以是 Mat 类；code 表示转换的代码或标识，即在此确定将什么制式的图片转换成什么制式的图片；dstCn 表示目标图像通道数，默认取值为 0，如果取值为 0，就由 src 和 code 决定。

InputArray 和 OutputArray 都是接口类，它们可以是 Mat、Mat_、Mat_<T, m, n>、vector、vector<vector>和 vector。

函数 cvtColor 的作用是将一个图像从一个颜色空间转换到另一个颜色空间，但是从 RGB 向其他类型转换时，必须明确指出图像的颜色通道。值得注意的是，在 OpenCV 中，其默认的颜色制式排列是 BGR 而非 RGB。所以对于 24 位颜色图像来说，前 8 位是蓝色，中间 8 位是绿色，最后8 位是红色。

需要注意的是，cvtColor()函数不能直接将 RGB 图像转换为二值图像，需要借助 threshold 函数。

我们常用的颜色空间转换有两种：BGR 转为 Gray 和 BGR 转为 HSV。下面来看一个例子，将图像转换为灰度图和 HSV。

#include<iostream>#include<opencv2\imgproc\types_c.h>//for CV_RGB2GRAY#include<opencv2/core.hpp>#include<opencv2/highgui.hpp>#include<opencv2/imgproc.hpp>#pragmacomment(lib,"opencv_world4140d.lib")//引用引入库usingnamespacestd;usingnamespacecv;intmain(){Mat srcImage=imread("1.jpg");//判断图像是否加载成功if(!srcImage.data){cout<<"图像加载失败!"<<endl;returnfalse;}elsecout<<"图像加载成功!"<<endl<<endl;//显示原图像namedWindow("原图像",WINDOW_AUTOSIZE);imshow("原图像",srcImage);//将图像转换为灰度图，采用 CV_前缀Mat grayImage;cvtColor(srcImage,grayImage,CV_RGB2GRAY);//将图像转换为灰度图namedWindow("灰度图",WINDOW_AUTOSIZE);imshow("灰度图",grayImage);//将图像转换为 HSV，采用 COLOR_前缀Mat HSVImage;cvtColor(srcImage,HSVImage,COLOR_BGR2HSV);//将图像转换为 HSV 图namedWindow("HSV",WINDOW_AUTOSIZE);imshow("HSV",HSVImage);waitKey(0);return0;}

2.CV_BGR2GRAY 和CV_RGB2GRAY 用法区别

在 OpenCV 中，CV_BGR2GRAY 和 CV_RGB2GRAY 的选择非常简单：它取决于你手中的图像数据，其通道顺序是 BGR 还是 RGB。

简单来说，绝大多数 OpenCV 函数（如 imread 读取的彩色图）默认是 BGR 格式，此时应使用 CV_BGR2GRAY。

要理解原因，我们需要看看它们内部的计算方式，以及你的数据是以什么顺序存储的。

1）工作方式

这两种转换最终都将彩色图片转为灰度图，但内部处理逻辑是不同的，这源于OpenCV对通道顺序的定义。

CV_BGR2GRAY：它“认为”输入图像的数据是按B(蓝)、G(绿)、R(红) 的顺序存储的。转换时，它会按照这个顺序去提取三个通道的值，并用一个固定的亮度公式（Gray = 0.114B + 0.587G + 0.299*R）来计算灰度值。其中，绿色分量对亮度的贡献最大，这与人的视觉感知相符。

CV_RGB2GRAY：它则“认为”输入图像的数据是按R(红)、G(绿)、B(蓝) 的顺序存储的。它的计算过程也是去提取“它以为的”R、G、B通道，然后套用同一个公式（Gray = 0.114R + 0.587G + 0.299*B）。

2）什么时候用哪个

选择哪个，关键看数据源，完全取决于你代码中 src 这个图像的实际通道存储顺序。

1. 使用 CV_BGR2GRAY：

这是最常见的情况。来源：用 cv::imread() 不加参数地读取一张彩色图片时，OpenCV 默认就会把数据解码成 BGR 顺序存储。一个常见的误区是，误以为图片是RGB，但其实OpenCV内部处理的通道顺序就是BGR。

其他函数：很多 OpenCV 的图像处理函数，其输出的彩色图像也是 BGR 顺序。

2. 使用 CV_RGB2GRAY

这种情况比较少见，主要发生在你的图像数据来源不是OpenCV标准函数时。来源：例如，你使用了其他图像库（如 Qt 的 QImage），或者直接从摄像头原始数据中获取了 RGB 格式的像素数据。在这些情况下，你需要确认你的数据确实是按 R, G, B 的顺序存储的。

3. 如果选错了会怎样？

如果你拿一个 BGR 顺序的图片，却用了 CV_RGB2GRAY，OpenCV 会“误以为”第一个通道是R，第二个是G，第三个是B。这样一来，转换时它会错误地将原本的蓝色和红色通道数据混淆，导致最终生成的灰度图像颜色层次错误，与正常预期不符。

这里有一个相关的接口：cv::cvtColor(src, dst, cv::COLOR_BGR2GRAY);。在现代OpenCV版本中，CV_前缀的枚举值已逐渐被COLOR_前缀取代，但功能完全一致。