OpenCV 图形API(53)颜色空间转换-----将 RGB 图像转换为灰度图像函数RGB2Gray()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

将图像从 RGB 色彩空间转换为灰度。

R、G 和 B 通道值的常规范围是 0 到 255。生成的灰度值计算方式如下:
dst ( I ) = 0.299 ∗ src ( I ) . R + 0.587 ∗ src ( I ) . G + 0.114 ∗ src ( I ) . B \texttt{dst} (I)= \texttt{0.299} * \texttt{src}(I).R + \texttt{0.587} * \texttt{src}(I).G + \texttt{0.114} * \texttt{src}(I).B dst(I)=0.299∗src(I).R+0.587∗src(I).G+0.114∗src(I).B

注意:

函数的文字 ID 是 "org.opencv.imgproc.colorconvert.rgb2gray"

函数原型

cpp 复制代码
GMat cv::gapi::RGB2Gray 	
(
 	const GMat &  	src
) 	

参数

  • 参数 src: 输入图像,8 位无符号三通道图像 CV_8UC3。

代码示例

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp> // 包含核心功能
#include <opencv2/gapi/imgproc.hpp> // 包含图像处理功能

int main() {
    // 读取一个RGB图像
    cv::Mat rgb_img = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png");
    if (rgb_img.empty()) {
        std::cerr << "Error: Image not found!" << std::endl;
        return -1;
    }

    // 定义G-API图
    cv::GMat src;
    auto gray = cv::gapi::RGB2Gray(src);

    cv::GComputation comp(cv::GIn(src), cv::GOut(gray));

    // 创建输出矩阵
    cv::Mat out_gray;

    // 应用计算图并执行转换,指定使用默认的CPU后端
    comp.apply(cv::gin(rgb_img), cv::gout(out_gray),
               cv::compile_args(cv::gapi::kernels()));

    // 显示结果
    cv::imshow("Original RGB Image", rgb_img);
    cv::imshow("Converted Gray Image", out_gray);
    cv::waitKey(0);

    return 0;
}

运行结果

相关推荐
老刘说AI5 分钟前
Coze:从入门到精通
人工智能·低代码·语言模型·开放原子·知识图谱·持续部署
IT观测12 分钟前
选高低温环境试验箱,品牌、生产商、厂家哪个维度更可靠?
大数据·人工智能
isNotNullX13 分钟前
BI如何落地?BI平台如何搭建?
大数据·数据库·人工智能
新新学长搞科研14 分钟前
【多所权威高校支持】第五届新能源系统与电力工程国际学术会议(NESP 2026)
运维·网络·人工智能·自动化·能源·信号处理·新能源
枫叶林FYL15 分钟前
第八章 长上下文建模与位置编码优化 (Long Context Modeling) 8.1 位置编码外推技术
人工智能
砍材农夫15 分钟前
spring-ai 第八模型介绍-图像模型
java·人工智能·spring
霸道流氓气质19 分钟前
SpringBoot中使用SpringAIAlibaba框架集成阿里云百炼实现AI快速对话入门示例
人工智能·spring boot·阿里云
智购科技自动售货机21 分钟前
自动贩卖机厂家哪家价格公道
人工智能·python
海海不掉头发21 分钟前
【大模型Prompt-Tuning方法进阶+提示词】-基础学习篇
人工智能·学习·prompt
rrrjqy21 分钟前
深入浅出 RAG:万物皆可向量化 (Embedding) 与 Spring AI + pgvector 实战
人工智能·spring·embedding