¿Cómo puedo convertir una imagen RGB en escala de grises en Python?

Este enunciado fue aprobado por especialistas para que tengas la garantía de la veracidad de este escrito.

Solución:

¿Qué tal hacerlo con Pillow?

from PIL import Image
img = Image.open('image.png').convert('LA')
img.save('greyscale.png')

---

Usando matplotlib y la fórmula

Y' = 0.2989 R + 0.5870 G + 0.1140 B 

Podrías hacerlo:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

def rgb2gray(rgb):
    return np.dot(rgb[...,:3], [0.2989, 0.5870, 0.1140])

img = mpimg.imread('image.png')     
gray = rgb2gray(img)    
plt.imshow(gray, cmap=plt.get_cmap('gray'), vmin=0, vmax=1)
plt.show()

También puede usar scikit-image, que proporciona algunas funciones para convertir una imagen en ndarrayme gusta rgb2gray.

from skimage import color
from skimage import io

img = color.rgb2gray(io.imread('image.png'))

notas: Los pesos utilizados en esta conversión están calibrados para fósforos CRT contemporáneos: Y = 0,2125 R + 0,7154 G + 0,0721 B

Alternativamente, puede leer la imagen en escala de grises haciendo lo siguiente:

from skimage import io
img = io.imread('image.png', as_gray=True)

Se probó la velocidad de tres de los métodos sugeridos con 1000 imágenes PNG RGBA (224 x 256 píxeles) que se ejecutan con Python 3.5 en Ubuntu 16.04 LTS (Xeon E5 2670 con SSD).

Tiempos promedio de ejecución

pil : 1.037 segundos

scipy: 1.040 segundos

sk : 2.120 segundos

PIL y SciPy dieron resultados idénticos numpy matrices (que van de 0 a 255). SkImage da matrices de 0 a 1. Además, los colores se convierten ligeramente diferentes, vea el ejemplo del conjunto de datos CUB-200.

SkImage:

PIL :

SciPy :

Original:

Diff :

Código

1. Rendimiento

   run_times = dict(sk=list(), pil=list(), scipy=list())
   for t in range(100):
       start_time = time.time()
       for i in range(1000):
           z = random.choice(filenames_png)
           img = skimage.color.rgb2gray(skimage.io.imread(z))
       run_times['sk'].append(time.time() - start_time)
   start_time = time.time()
   for i in range(1000):
       z = random.choice(filenames_png)
       img = np.array(Image.open(z).convert('L'))
   run_times['pil'].append(time.time() - start_time)
   
   start_time = time.time()
   for i in range(1000):
       z = random.choice(filenames_png)
       img = scipy.ndimage.imread(z, mode='L')
   run_times['scipy'].append(time.time() - start_time)
   
   para k, v en run_times.items(): print(':5: :0.3f segundos'.format(k, sum(v) / len(v)))
   
   
   

2. Producción

   z = 'Cardinal_0007_3025810472.jpg'
   img1 = skimage.color.rgb2gray(skimage.io.imread(z)) * 255
   IPython.display.display(PIL.Image.fromarray(img1).convert('RGB'))
   img2 = np.array(Image.open(z).convert('L'))
   IPython.display.display(PIL.Image.fromarray(img2))
   img3 = scipy.ndimage.imread(z, mode='L')
   IPython.display.display(PIL.Image.fromarray(img3))
   

3. Comparación

   img_diff = np.ndarray(shape=img1.shape, dtype='float32')
   img_diff.fill(128)
   img_diff += (img1 - img3)
   img_diff -= img_diff.min()
   img_diff *= (255/img_diff.max())
   IPython.display.display(PIL.Image.fromarray(img_diff).convert('RGB'))
   

4. Importaciones

   import skimage.color
   import skimage.io
   import random
   import time
   from PIL import Image
   import numpy as np
   import scipy.ndimage
   import IPython.display
   

5. Versiones

   skimage.version
   0.13.0
   scipy.version
   0.19.1
   np.version
   1.13.1
   

Te mostramos las comentarios y valoraciones de los lectores

Si piensas que te ha resultado provechoso nuestro artículo, sería de mucha ayuda si lo compartieras con otros juniors así nos ayudas a dar difusión a nuestra información.

---

---

Utiliza Nuestro Buscador