彩色图像灰度化是指将彩色图像转换为灰度图像的过程,是数字打印、照片渲染和单通道图像处理的基本工具。彩色图像包含三种颜色(红色、绿色和蓝色)通道,可以将灰度化看作是将三维通道信息转换为一维灰度数据的过程。然而转换过程中无法避免彩色图像信息的丢失,因此,灰度化的主要任务是从原始彩色图像中保留尽可能多的信息,并为不同的应用生成符合人眼感知的灰度图像。彩色图像灰度化是图像处理和计算机视觉领域的基本课题和重要前提,针对如何在灰度化过程中保持再现色彩的原始信息和比较突出的特点,并且使得到的灰度图像符合人眼的感知,本文将灰度化算法与图像融合、图像结构相似性与空间相关性相结合,分别提出三种灰度化算法:(1)基于多尺度图像融合的灰度化算法:将彩色图像分解为R,G,B三个通道的单色图像,利用拉普拉斯金字塔分解,根据每个通道的对比度、饱和度与显著度确定系数矩阵,将灰度化问题转换为尽可能保持三个通道单色图像特征的多尺度融合问题。该算法使用了梯度域导向滤波(Gradient Domain Guided Image Filter,GGIF),对边缘信息敏感,且灰度化后能很好保留在彩色图像中较暗或较亮区域的特征。(2)基于结构相似性的灰度化算法:以最大化彩色图像与灰度图像的亮度、对比度、结构相似性为目标,通过离散化搜索空间,找到使结构相似性标量最大化的系数。在亮度相似性中包含了亮度的连续性与梯度信息,能有效地捕获图像局部结构,对局部结构具有较高的灵敏度。(3)基于高斯颜色空间相关性的灰度化算法:映射函数分为亮度信息与色度信息两阶段映射,通过采用高斯颜色模型LMN计算各分量相关性,并取L通道作为亮度信息,求解各通道相关性作为色度信息系数,结合二者并归一化作为最终结果。该算法运算速度快,鲁棒性较好,灰度化结果符合人眼对彩色图像的感知。最后,本文从定性与定量两个方面分析评价了所提三种灰度化算法的性能,并将其与现有的几种经典和最新的灰度化算法进行对比分析。实验结果表明,本文所提出的三种算法均能在灰度化后保持原彩色图像的对比度信息与主要特征,且结果具有较高的精度。图25幅,表6个,参考文献59篇。