基于matlab的图像灰度化与图像反白

1原理

2.1 图像灰度化原理

图像灰度化是将彩色图像转换为灰度图像的过程，使得每个像素点仅包含一个灰度值，从而简化了图像的复杂度。灰度化原理主要可以分为以下几种方法：

亮度平均法
- 原理：将图像中每个像素的RGB值的平均值作为该像素的灰度值。
- 公式：灰度值 = (R + G + B) / 3
- 优点：简单易懂，计算速度快。
- 缺点：没有考虑到每个颜色通道的重要性，可能会对图像的质量造成影响。
加权平均法
- 原理：根据每个颜色通道所表达的亮度值来计算灰度值。由于人眼对于绿色通道的亮度最为敏感，因此绿色通道的权重最高，而红色和蓝色通道的权重相对较低。
- 公式：灰度值 = 0.299R + 0.587G + 0.114B
- 优点：考虑了颜色通道的重要性，可以提高图像的质量。
最大值法
- 原理：将每个颜色通道中的最大值作为该像素的灰度值。
- 优点：由于对比度较强，能够突出图像中的主要内容，因此常用于图像边缘检测中。
- 缺点：可能会损失一些图像细节。
Gamma校正灰度化
- 原理：由于RGB值与功率并非简单的线性关系，而是幂函数关系，这个函数的指数称为Gamma值，一般为2.2。因此，在灰度化时需要进行Gamma校正。
- 公式：

$Gray = (\sqrt[2.2]{\frac{R^{2.2}+(1.5G)^{2.2}+(0.6B)^{2.2}}{1+1.5^{2.2}+0.6^{2.2}}})$

2.2 图像反白原理

图像反白是将图像的暗色区域变为亮色，亮色区域变为暗色的过程。这通常用于增强图像的对比度，使图像更加清晰。

基本原理：对于彩色图像的R、G、B各彩色分量取反，得到反色后的图像。
公式：对于像素点(x, y)的RGB值(R, G, B)，反白后的RGB值为(255-R, 255-G, 255-B)。这里假设图像是8位无符号整数类型，即RGB值的取值范围是[0, 255]。

通过图像灰度化和反白处理，可以方便地对图像进行后续的分析和处理。

2 代码

%% 图像预处理-灰度化与图像反白
I1 = imread('test.jpeg');  
figure;
subplot(2,2,1);%用subplot建立多个子图
imshow(I1);%用imshow显示图像I
title('原始彩色图像');  
J=rgb2gray(I1);%将彩色图像工转换为灰度图像J
subplot(2,2,2);imshow(J);% 用imshow显示图像J
title('灰度图像');  
subplot(2,2,3);imhist(J);% 计算和显示灰度图像J的灰度直方图
title('灰度直方图');  
Ave = mean2(J);%用mean2函数求图像J的均值
SD = std2(double(J));%用std2函数求图像J的均值
s= size(J);%图像大小为s（1）×s（2）
all_white = 255*ones(s(1),s(2));%设置全部为白色灰度255
all_white_uint8=uint8(all_white);%将double类型矩阵转化为uint8类型矩阵
K= imsubtract(all_white_uint8,J);%图像相减得反白图像K
subplot(2,2,4);imshow(K);%用imshow显示图像K
title('反白图像');