灰度图像是什么？只用明暗而不用颜色表示的图片

灰度（Greyscale）图像是使用一系列不同深浅的灰色、而不是全彩色来表示场景或物体的图像。在灰度图像中，每个像素只用一个数值来表示它的亮度，通常是从 0（黑色）到 255（白色）之间的整数，中间的数值代表不同深浅的灰色。灰度图像通常是把彩色图像转换成单通道图像得到的。

灰度和彩色有什么区别

常见的彩色图像通常采用 RGB 格式：每个像素由红、绿、蓝三个通道的数值组合而成，三种颜色按不同的比例混合，就能呈现出各种各样的颜色。所以一张彩色图像实际上是由三个“图层”叠加起来的。灰度图像只有一个通道，只记录明暗，不记录颜色，因此数据量只有同样尺寸彩色图像的三分之一。

需要区分的是，灰度图像和二值图像不同：二值图像的每个像素只有黑和白两种取值，而灰度图像有从黑到白的许多级灰色，通常是 256 级。

怎么从彩色转成灰度

最简单的方法是把红、绿、蓝三个通道的数值直接取平均。但人眼对不同颜色的敏感程度并不相同：对绿色最敏感，对红色次之，对蓝色最不敏感。直接平均得到的灰度图，看起来往往和人对原图亮度的感受不太一致。所以更常用的是加权平均的方法，比如一种经典的公式：灰度值约等于 0.299 乘以红色加上 0.587 乘以绿色加上 0.114 乘以蓝色。这样转换出来的灰度图更符合人眼对亮度的感知。

为什么要用灰度图像

减少计算量和存储：数据量只有彩色图像的三分之一，处理速度更快，在早期计算能力有限的年代尤其重要，在今天的边缘设备和实时系统中也仍然有用。很多任务并不需要颜色：识别文字、检测物体的边缘和形状、分析纹理，颜色信息往往不重要，甚至会成为干扰。很多传统的图像处理算法，比如边缘检测、阈值分割、特征点检测，都是在灰度图上进行的。手写数字识别的经典数据集 MNIST，就是由灰度图像组成的。专业成像本身就是灰度的：X 光片、CT、核磁共振等医学影像，红外热成像，很多天文和显微图像，都以灰度的形式记录和显示，像素的亮度代表组织的密度、温度等物理量。

在深度学习中，彩色图像能提供更丰富的信息，现代的图像识别模型通常直接处理彩色图像。但灰度化仍然常被用于数据预处理和数据增强：比如在训练时随机地把一部分图片转成灰度，让模型不过度依赖颜色，而更关注物体的形状和结构。