Почему мы должны использовать шкалу серого для обработки изображений

Я думаю, что это может быть глупый вопрос, но после того, как вы много читали и много искали в обработке изображений, каждый пример, который я вижу в обработке изображений, использует шкалу серого для работы

Я понял, что изображения с серой шкалой используют только один канал цвета, который обычно необходим только для 8 бит, чтобы быть представленным, и т.д., но почему используется серая шкала, когда у нас есть цветное изображение? В чем преимущества серой шкалы? Я мог представить, что это потому, что у нас меньше бит для лечения, но даже сегодня с более быстрыми компьютерами это необходимо?

Я не уверен, ясно ли я о своих сомнениях, я надеюсь, что кто-то может ответить мне

Большое спасибо

Ответ 1

Как объясняется Джоном Чжаном:

яркость значительно важнее для отличия визуальных функций.

Джон также дает прекрасное предложение проиллюстрировать это свойство: возьмите заданное изображение и отделите плоскость яркости от плоскостей цветности.

Для этого вы можете использовать ImageMagick separate оператор, который извлекает текущее содержимое каждого канала в виде серого изображения:

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

Здесь то, что оно дает на образце (верхнее левое: исходное цветное изображение, верхнее правое: плоскость яркости, нижняя строка: плоскости цветности):

Ответ 2

Чтобы немного уточнить ответ deltheil:

Сигнал к шуму. Для многих применений обработки изображений информация о цвете не помогает нам идентифицировать важные края или другие функции. Есть исключения. Если в оттенке есть ребро (изменение шага в пиксельном значении), которое трудно обнаружить в изображении в градациях серого, или если нам нужно идентифицировать объекты известного оттенка (оранжевые фрукты перед зелеными листьями), тогда информация о цвете может быть полезно. Если нам не нужен цвет, тогда мы можем рассматривать его как шум. Сначала это немного нелогично "думать" в оттенках серого, но вы привыкаете к нему.
Сложность кода. Если вы хотите найти края на основе яркости и цветности, у вас впереди больше работы. Эта дополнительная работа (и дополнительная отладка, дополнительная боль в поддержке программного обеспечения и т.д.) Трудно оправдать, если дополнительная информация о цвете не полезна для интересующих приложений.
Для обучения обработке изображений лучше понять обработку в градациях серого и понять, как она применяется к многоканальной обработке, а не начинать с полноцветной визуализации и пропускать все важные идеи, которые могут (и должны) быть изучены из одноканальной обработки.
Сложность визуализации. В черно-белых изображениях алгоритм водораздела довольно легко осмыслить, потому что мы можем думать о двух пространственных измерениях и одном измерении яркости как трехмерном изображении с холмами, долинами, водосборными бассейнами, хребтами и т.д. "Пиковая яркость" - это всего лишь горный пик в нашей 3D-визуализации изображения в оттенках серого. Существует ряд алгоритмов, для которых интуитивная "физическая" интерпретация помогает нам продумать проблему. В RGB, HSI, Lab и других цветовых пространствах этот вид визуализации намного сложнее, поскольку есть дополнительные размеры, которые стандартный человеческий мозг не может легко визуализировать. Конечно, мы можем думать о "пиковой покраснении", но каков этот горный пик в пространстве (x, y, h, s, i)? Уч. Одним из способов решения этой проблемы является представление каждой цветовой переменной как изображения интенсивности, но это возвращает нас к обработке изображений в оттенках серого.
Цвет сложный. Люди воспринимают цвет и определяют цвет с обманчивой легкостью. Если вы попытаетесь отличить цвета друг от друга, то вы либо захотите (а) следовать традициям и контролировать освещение, калибровку цвета камеры и другие факторы, чтобы обеспечить наилучшие результаты, или (b) урегулировать (в) желаем, чтобы вы снова работали с оттенками серого, потому что по крайней мере проблемы кажутся разрешимыми.
Скорость. С современными компьютерами и с параллельным программированием можно выполнить простую пиксельно-пиксельную обработку мегапиксельного изображения в миллисекундах. Распознавание лиц, OCR, изменение размера контента, средняя сегментация сдвига и другие задачи могут занимать гораздо больше времени. Независимо от того, какое время обработки требуется для управления изображением или сжимания некоторых полезных данных, большинство клиентов/пользователей хотят, чтобы он работал быстрее. Если мы сделаем волновое предположение, что обработка трехканального цветного изображения занимает в три раза больше времени обработки изображения в оттенках серого - или, может быть, в четыре раза больше, так как мы можем создать отдельный канал яркости - тогда это не большой если мы обрабатываем видеоизображения на лету, и каждый кадр может обрабатываться менее чем на 1/30 или 1/25 секунды. Но если мы анализируем тысячи изображений из базы данных, это здорово, если мы сможем экономить время обработки, изменяя размеры изображений, анализируя только части изображений и/или устраняя цветовые каналы, которые нам не нужны. Сокращение времени обработки в три-четыре раза может означать разницу между запуском 8-часового теста на ночь, который заканчивается до того, как вы вернетесь на работу, и чтобы ваши компьютерные процессоры привязывались в течение 24 часов подряд.

Из всего этого я остановлюсь на первых двух: упростите изображение и уменьшите количество кода, который вы должны написать.

Ответ 3

Я не согласен с тем, что изображения в серой шкале всегда лучше цветных изображений; это зависит от техники и общей цели обработки. Например, если вы хотите пересчитать бананы в изображении изображения с фруктовой чашей, тогда гораздо легче сегментировать, когда у вас есть цветное изображение!

Многие изображения должны быть в оттенках серого из-за измерительного устройства, используемого для их получения. Подумайте об электронном микроскопе. Он измеряет прочность электронного пучка в различных точках пространства. АСМ измеряет количество резонансных колебаний в различных точках топологически на образце. В обоих случаях эти инструменты возвращают сингулярное значение - интенсивность, поэтому они неявно создают серо-масштабное изображение.

Для методов обработки изображений, основанных на яркости, их часто можно применять достаточно для общей яркости (оттенки серого); однако существует много случаев, когда цветное изображение является преимуществом.

Ответ 4

Двоичный файл может быть слишком простым, и он не может представлять символ изображения. Цвет может быть слишком большим и влияет на скорость обработки.

Таким образом, выбран оттенок серого, который находится в середине двух концов.