35

これはばかげた質問かもしれないと思いますが、画像処理についてたくさん読んで検索した後、画像処理について私が見るすべての例は、グレースケールを使用して機能します

グレースケール画像は1チャンネルの色しか使用しないことを理解しました。通常、表現するには8ビットだけが必要です。しかし、カラー画像があるのになぜグレースケールを使用するのでしょうか。グレースケールの利点は何ですか？処理するビットが少ないためだと想像できますが、今日でもより高速なコンピューターではこれが必要ですか？

自分の疑問がはっきりしていたかどうかはわかりませんが、誰かが私に答えてくれることを願っています

どうもありがとうございます

4

5 に答える 5

26

ジョン・チャンが説明したように：

視覚的特徴を区別するには、輝度がはるかに重要です。

ジョンはまた、この特性を説明するための優れた提案をしています。特定の画像を撮影し、輝度面をクロミナンス面から分離します。

これを行うには、各チャネルの現在のコンテンツをグレースケール画像として抽出するImageMagickの個別の演算子を使用できます。

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

サンプル画像（左上：元のカラー画像、右上：輝度平面、下の行：クロミナンス平面）に表示される内容は次のとおりです。

ここに画像の説明を入力してください

于 2012-10-06T16:33:20.190 に答える
24

デルテイルの答えについて少し詳しく説明すると、次のようになります。

  1. 信号対雑音比。画像処理の多くのアプリケーションでは、色情報は重要なエッジやその他の特徴を識別するのに役立ちません。例外があります。グレースケール画像で検出するのが難しい色相にエッジ（ピクセル値の段階的変化）がある場合、または既知の色相のオブジェクト（緑の葉の前にあるオレンジ色の果物）を識別する必要がある場合、色情報は次のようになります。使える。色が必要ない場合は、ノイズと見なすことができます。最初は、グレースケールで「考える」のは少し直感に反しますが、慣れます。
  2. コードの複雑さ。輝度とクロミナンスに基づいてエッジを見つけたい場合は、より多くの作業が必要です。追加の色情報が対象のアプリケーションに役立たない場合、その追加の作業（および追加のデバッグ、ソフトウェアのサポートにおける追加の苦痛など）を正当化するのは困難です。
  3. 画像処理を学ぶには、フルカラー画像から始めて単一チャネル処理から学ぶことができる（そして学ぶべき）すべての重要な洞察を見逃すよりも、最初にグレースケール処理を理解し、それがマルチチャネル処理にどのように適用されるかを理解する方がよいでしょう。
  4. 視覚化の難しさ。グレースケール画像では、2つの空間次元と1つの明るさ次元を、丘、谷、集水域、尾根などの3D画像と考えることができるため、分水界アルゴリズムの概念化はかなり簡単です。「ピーク輝度」は単なる山頂です。グレースケール画像の3D視覚化で。直感的な「物理的」解釈が問題を考えるのに役立つアルゴリズムはたくさんあります。RGB、HSI、Lab、およびその他の色空間では、標準的な人間の脳では簡単に視覚化できない追加の次元があるため、この種の視覚化ははるかに困難です。確かに、「赤みのピーク」と考えることはできますが、その山頂は（x、y、h、s、i）空間ではどのように見えますか？痛い。回避策の1つは、各色変数を強度画像と考えることです。
  5. 色は複雑です。人間は色を知覚し、欺くのが簡単に色を識別します。色を互いに区別しようとするビジネスに参入する場合は、（a）伝統に従い、照明、カメラの色調整、およびその他の要素を制御して最良の結果を確実にするか、（b）落ち着く必要があります。見れば見るほど深くなるトピックへのキャリアの長い旅に出かけるか、（c）少なくとも問題は解決できるように見えるので、グレースケールで作業を再開できればと思います。
  6. スピード。最新のコンピューターと並列プログラミングを使用すると、メガピクセル画像の単純なピクセルごとの処理をミリ秒単位で実行できます。顔認識、OCR、コンテンツ認識のサイズ変更、平均シフトセグメンテーション、およびその他のタスクは、それよりもはるかに長い時間がかかる可能性があります。画像を操作したり、画像からいくつかの有用なデータを絞り込んだりするために必要な処理時間に関係なく、ほとんどの顧客/ユーザーは画像をより速く処理することを望んでいます。3チャンネルのカラー画像の処理には、グレースケール画像の処理の3倍の時間がかかる、または別の輝度チャンネルを作成する可能性があるため、おそらく4倍の時間がかかるという手に負えない仮定を立てると、それほど大きくはありません。ビデオ画像をその場で処理していて、各フレームを1/30秒または1/25秒未満で処理できる場合に対処します。しかし、データベースから何千もの画像を分析している場合、画像のサイズを変更したり、画像の一部のみを分析したり、不要なカラーチャンネルを削除したりすることで、処理時間を節約できれば素晴らしいと思います。処理時間を3〜4倍短縮することは、仕事に戻る前に終了する8時間の夜間テストを実行することと、コンピューターのプロセッサーを24時間連続してペグすることの違いを意味します。

これらすべての中で、最初の2つを強調します。画像を単純にし、作成する必要のあるコードの量を減らします。

于 2012-10-08T05:08:55.263 に答える
4

私は、グレースケール画像がカラー画像よりも常に優れているという意味に同意しません。それは技術と処理の全体的な目標に依存します。たとえば、フルーツボウルの画像の画像でバナナを数えたい場合は、色付きの画像があるとセグメント化がはるかに簡単になります。

多くの画像は、それらを取得するために使用される測定装置のためにグレースケールでなければなりません。電子顕微鏡を考えてみてください。さまざまな空間ポイントでの電子ビームの強度を測定しています。AFMは、サンプルのトポロジー上のさまざまなポイントでの共振振動の量を測定しています。どちらの場合も、これらのツールは特異値（強度）を返すため、暗黙的にグレースケール画像を作成します。

明るさに基づく画像処理技術の場合、それらは多くの場合、全体的な明るさ（グレースケール）に十分に適用できます。ただし、カラー画像を使用することが有利な場合が多くあります。

于 2014-10-24T21:12:00.360 に答える
1

バイナリは単純すぎる可能性があり、画像の文字を表すことができませんでした。色が多すぎて処理速度に影響を与える可能性があります。

したがって、両端の中央にあるグレースケールが選択されます。

于 2014-04-04T17:34:50.630 に答える
1

グレースケールまたはカラー画像のいずれかで画像処理を開始する最初に、私たちが適用しているアプリケーションに焦点を当てることをお勧めします。そうでなければ、それらの1つをランダムに選択すると、結果に精度の問題が発生します。たとえば、ゴミ箱の画像を処理したい場合は、色よりもグレースケールを選択します。ビン画像では、最適化されたエッジ検出を使用してビン画像の形状のみを検出したいためです。画像の色は気になりませんでしたが、ビン画像の長方形を正しく見たいです。

于 2018-07-28T08:53:10.323 に答える