爲什麼我們應該用灰度圖像處理

Question

我覺得這可能是一個愚蠢的問題，但讀了很多，搜索了很多關於圖像處理的每一個例子，我看到的圖像處理後使用灰度工作

我明白灰度圖像只使用一個顏色通道，通常只需8位即可表示，等等......但是，爲什麼在我們有彩色圖像時使用灰度等級？灰度級的優點是什麼？我可以想象，那是因爲我們沒有多少東西可以治療，但即使在今天，更快的計算機也是如此，這是必要的嗎

我不知道如果我是清楚我的疑問，我希望有人能回答我

非常感謝你

Answer 1

由於explained by John Zhang：

亮度是目前更重要區別視覺特徵

約翰還給出了一個很好的建議來說明這個屬性：帶一個給定圖像並將亮度平面與色度平面分開。

要做到這一點，你可以使用ImageMagick的separate操作員提取每通道爲灰度圖像的當前內容：

convert myimage.gif -colorspace YCbCr -separate sep_YCbCr_%d.gif 

下面是它給出了一個樣本圖像（左上上：原來的彩色圖像，右上：亮度平面，下排：色度平面）：

Answer 2

爲了詳細說明deltheil的回答有點：

1. 噪聲信號。對於圖像處理的許多應用，顏色信息無助於我們識別重要的邊緣或其他特徵。有例外。如果在灰度圖像中難以檢測到色相的邊緣（像素值的階躍變化），或者如果我們需要識別已知色調的物體（綠色葉子前面的橙色水果），則顏色信息可能是有用。如果我們不需要顏色，那麼我們可以認爲它是噪音。起初，用灰度「思考」有點違反直覺，但你已經習慣了。
2. 代碼的複雜性。如果你想根據亮度和色度找到邊緣，你就有更多的工作要做。如果額外的顏色信息對感興趣的應用沒有幫助，那麼額外的工作（以及額外的調試，支持軟件的額外痛苦等）很難證明是合理的。
3. 對於學習圖像處理，最好首先了解灰度處理，並理解它如何應用於多通道處理，而不是從全綵成像開始，並且缺少可以（並應該）從單通道處理中學習的所有重要見解。
4. 難以可視化。在灰度圖像中，分水嶺算法相當容易概念化，因爲我們可以將兩個空間維度和一個亮度維度想象爲具有丘陵，山谷，集水盆地，山脊等的3D圖像。「峯值亮度」僅僅是山峯在我們的灰度圖像的三維可視化。有許多算法可以用直觀的「物理」解釋來幫助我們思考問題。在RGB，HSI，Lab和其他色彩空間中，這種可視化更加困難，因爲標準人類大腦無法容易地將其視覺化。當然，我們可以想到「峯值發紅」，但是這個山峯在（x，y，h，s，i）空間中看起來像什麼呢？哎喲。一種解決方法是將每個顏色變量視爲強度圖像，但這導致我們回到灰度圖像處理。
5. 顏色很複雜。人類以易於欺騙的方式感知顏色並識別顏色。如果您嘗試區分彼此的顏色，那麼您需要（a）遵循傳統並控制照明，攝像機顏色校準和其他因素以確保最佳效果，或（b）解決或者（c）希望您可以重新開始灰階工作，因爲至少可以解決問題。
6. 速度。使用現代計算機和並行編程，可以毫秒級地執行簡單的逐像素處理百萬像素圖像。面部識別，OCR，內容感知調整大小，均值移動分割和其他任務可能需要比這更長的時間。無論處理圖像需要多少處理時間，還是從中擠出一些有用的數據，大多數客戶/用戶都希望它更快。如果我們假設處理三通道彩色圖像需要處理灰度圖像的三倍 - 或者四倍長，因爲我們可能會創建一個單獨的亮度通道 - 那麼這不是一個大的假設如果我們正在處理視頻圖像，每幀可以在不到1/30或1/25秒的時間內處理。但是，如果我們要分析數千個來自數據庫的圖像，那麼通過調整圖像大小，分析圖像的一部分和/或消除我們不需要的顏色通道可以節省處理時間是非常好的。將處理時間縮短三到四倍可能意味着在重新開始工作前結束8小時過夜測試，並使計算機的處理器連續掛24小時之間的差異。

在所有這些，我會強調前兩個：使圖像更簡單，並減少您必須編寫的代碼量。

Answer 3

二進制可能太簡單了，它不能代表圖片字符。 顏色可能太多而影響處理速度。

因此，灰度被選擇，這是在兩端的中間。

Answer 4

我不同意暗示灰度圖像總是比彩色圖像更好;這取決於技術和處理的總體目標。例如，如果您想要以水果圖像的形象對香蕉進行計數，那麼當您有彩色圖像時，分割就會更容易！

由於用於獲取它們的測量設備，許多圖像必須是灰度圖。想想電子顯微鏡。它測量各個空間點的電子束強度。原子力顯微鏡正在測量樣品拓撲上不同點處共振的數量。在這兩種情況下，這些工具都返回一個單一的值 - 強度，所以它們隱含地創建了一個灰度圖像。對於基於亮度的圖像處理技術，它們通常可以充分應用於整體亮度（灰度）;但是，然而，許多情況下，有彩色圖像是一個優勢。