内容简介：离研究生毕业只有六个月了，毕业设计也该动手了。去年开题，选择了《基于图像处理的客观题自动阅卷系统的设计与实现》这个题目。今年中期，考虑了很久，最终还是没有换题目。想要做AIOps，但是自己基础薄弱，也没有特定的方向，到了六月份也不一定能完成。保险起见，还是做阅卷系统吧！阅卷系统主要有五个方面的研究内容，分别是图像预处理、目标检测、图像分割、手写识别和移动Web。其中图像预处理包括试卷图像的灰度化、二值化、去噪、倾斜矫正等；目标检测是为了定位学号和答案的位置，并且提取出这些信息；图像分割是为了分割学号和多选题
离研究生毕业只有六个月了，毕业设计也该动手了。去年开题，选择了《基于图像处理的客观题自动阅卷系统的设计与实现》这个题目。今年中期，考虑了很久，最终还是没有换题目。想要做AIOps，但是自己基础薄弱，也没有特定的方向，到了六月份也不一定能完成。保险起见，还是做阅卷系统吧！
阅卷系统主要有五个方面的研究内容，分别是图像预处理、目标检测、图像分割、手写识别和移动Web。其中图像预处理包括试卷图像的灰度化、二值化、去噪、倾斜矫正等；目标检测是为了定位学号和答案的位置，并且提取出这些信息；图像分割是为了分割学号和多选题的字符；手写识别是为了识别手写字符，包括数字和字母；移动Web是为了方便老师随时随地使用系统。
本文，就来研究一下图像的灰度化。
理论
在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。一般有以下四种方法对彩色图像进行灰度化：
1、分量法
将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。f1(i,j)=R(i,j) f2(i,j)=G(i,j) f3(i,j)=B(i,j) 其中fk(i,j)(k=1,2,3)为转换后的灰度图像在(i,j)处的灰度值。
2、最大值法
将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。f(i,j)=max(R(i,j),G(i,j),B(i,j))
3、平均值法
将彩色图像中的三分量亮度求平均得到一个灰度图。f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3
4、加权平均法
根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))
更多内容参考 图像分析 。
实践
算法的实现，主要参考 Python下OpenCV的使用 – 图像灰度化 。
安装opencv
这个毕业设计，打算使用 python 来实现，编辑器使用pycharm。图像处理方面，主要使用opencv。首先安装opencv，很简单，一条命令即可：
pip install opencv-python
如果离线安装的话，不妨参考 使用OpenCV实现实时视频目标检测 。
安装完成后，命令行中输入 python ，进入python shell。输入 import cv2 回车，如果没有报错，说明安装成功。
简单灰度化
在加载图片的时候，直接调用opencv的灰度化方法。
import cv2
image = cv2.imread('image/test.jpg')
grayimage = cv2.imread('image/test.jpg',cv2.IMREAD_GRAYSCALE)
cv2.imshow('image',image)
cv2.imshow('grayimage',grayimage)
cv2.waitKey(0)
分量法
import cv2
image = cv2.imread('image/test.jpg')
b,g,r = cv2.split(image) # the order is not r,g,b
cv2.namedWindow("Image")
cv2.imshow("Image",image)
cv2.namedWindow("ImageR")
cv2.imshow("ImageR",r)
cv2.namedWindow("ImageG")
cv2.imshow("ImageG",g)
cv2.namedWindow("ImageB")
cv2.imshow("ImageB",b)
cv2.waitKey(0)
cv2.destroyAllWindows()
最大值法
import cv2
import numpy
image = cv2.imread('image/test.jpg')
shape = (image.shape[0],image.shape[1])
newImage = numpy.ndarray(shape,image.dtype)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
newImage[i,j] = max(image[i,j][0],image[i,j][1],image[i,j][2])
cv2.namedWindow("NewImageMax")
cv2.imshow("NewImageMax",newImage)
cv2.waitKey(0)
cv2.destroyAllWindows()
平均值法
import cv2
import numpy
image = cv2.imread('image/test.jpg')
shape = (image.shape[0],image.shape[1])
newImage = numpy.ndarray(shape,image.dtype)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
newImage[i,j] = (int(image[i,j][0]) + int(image[i,j][1]) + int(image[i,j][2])) / 3
cv2.namedWindow("NewImageAver")
cv2.imshow("NewImageAver",newImage)
cv2.waitKey(0)
cv2.destroyAllWindows()
加权平均法
import cv2
import numpy
image = cv2.imread('image/test.jpg')
shape = (image.shape[0],image.shape[1])
newImage = numpy.ndarray(shape,image.dtype)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
newImage[i,j] = 0.11 * image[i,j][0] + 0.59 * image[i,j][1] + 0.30 * image[i,j][2]
cv2.namedWindow("NewImageWeightAver")
cv2.imshow("NewImageWeightAver",newImage)
cv2.waitKey(0)
cv2.destroyAllWindows()
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
