为了加快处理速度在图像处理算法中，往往需要把彩色图像转换为灰度图像。24为彩色图像每个像素用3个字节表示，每个字节对应着RGB分量的亮度。
当RGB分量值不同时，表现为彩色图像；当RGB分量相同时，变现为灰度图像：
一般来说，转换公式有3中。
(1)Gray(i,j)=[R(i,j)+G(i,j)+B(i,j)]/3;
(2)Gray(i,j)=0.299*R(i,j)+0.587*G(i,j)+0.144*B(i,j);
(3)Gray(i,j)=G(i,j);//从2可以看出G的分量比较大所以可以直接用它代替
下面是代码：
1 #include<cv.h> 2 #include<highgui.h> 3 4 using namespace cv; 5 using namespace std; 6 7 int main() 8 { 9 IplImage *img=cvLoadImage("D:\Opencv\Images\lena.jpg"); 10 IplImage* dest=cvCreateImage(cvGetSize(img),img->depth,1); 11 cvNamedWindow("SourceImage"); 12 cvNamedWindow("destinationImage"); 13 14 uchar* data=(uchar*)img->imageData; 15 16 int step = img->widthStep/sizeof(uchar); //step即为上图的widthstep 17 int channels = img->nChannels; // 这个图片为3通道的 18 uchar b=0,g=0,r=0; 19 for(int i=0;i<img->height;i++) 20 for(int j=0;j<img->width;j++){ 21 b=data[i*step+j*channels+0]; // 此时可以通过更改bgr的值达到访问效果。 22 g=data[i*step+j*channels+1]; 23 r=data[i*step+j*channels+2]; 24 // ((char*)(dest->imageData + j*dest->widthStep))[i] =(b+r+g)/3;//(1) 25 //((char*)(dest->imageData + j*dest->widthStep))[i] =r*0.299+g*0.587+0.144*b;//(2) 26 ((char*)(dest->imageData + j*dest->widthStep))[i] =g;//(3) 27 } 28 29 cvShowImage("SourceImage",img); 30 cvShowImage("destinationImage",dest); 31 cvWaitKey(); 32 cvDestroyAllWindows(); 33 cvReleaseImage(&img); 34 cvReleaseImage(&dest); 35 //i*step 当i=0 即为上图的第一行 为1就是第二行 36 //j*chanels+0 j*通道数当j=0为第一列的第0个通道->b 37 //j*channels+1 当j=1为第二列的第1个通道->g 38 }
原图片：
算法1生成的灰度图：
算法2生成的灰度图：
算法3生成的灰度图：
