在日常生活中，我们用手机或相机拍摄的“原图”绝大多数确实是RGB彩色图像。
我们需要弄清楚“灰度图”到底是什么，以及它是如何与RGB原图联系起来的。
什么是灰度图？
在数字图像处理中，数字图像是由像素组成的二维数组，而这些像素的值就被称为灰度值[cite: 1]。
简单来说，灰度图（Grayscale Image）就是只有“明暗（亮度）”信息，而没有“色彩”信息的图像。也就是我们常说的“黑白照片”。
- 在RGB图像中，一个像素点需要3个数值（红、绿、蓝）来混合表示一种颜色，每个数值的范围通常是 0-255。
- 在灰度图中，一个像素点只需要1个数值来表示，范围也是 0（纯黑）到 255（纯白），中间的数值代表不同深浅的灰色。
RGB原图是怎么变成灰度图的？
当研究人员或算法处理图像时，经常需要先把RGB彩色图像转换成灰度图，或者提取出反映灰度的通道。这里面有一个非常经典的转换公式。
因为人眼对不同颜色的敏感度不同（对绿色最敏感，红色次之，蓝色最弱），所以不能简单地把R、G、B三个值求平均。标准的心理学灰度转换公式是：
灰度值 (Gray) = 0.299 × R + 0.587 × G + 0.114 × B
在实际增强彩色图像时，是怎么操作的？
结合我们刚才聊的“空域增强”，如果你有一张RGB彩色照片想要增强对比度，完整的标准流程其实是这样的：
- 色彩空间转换：把RGB图像转换到含有独立“亮度/灰度”通道的色彩空间（比如 HSV 或 YUV 空间）。
- 提取明暗信息：在 HSV 空间中，H 代表色相（是什么颜色），S 代表饱和度（颜色有多浓），V（Value）代表明度。这个 V 通道，本质上就是这幅彩色图像的灰度图。
- 只对灰度增强：算法“直接作用于图像中像素灰度值”[cite: 1]，也就是只对这个 V 通道进行直方图均衡化或滤波等空域增强操作，而不去碰 H 和 S 通道。
- 还原色彩：增强完 V 通道后，再把它和原来的 H、S 通道重新组合，转换回 RGB 图像。
这样处理出来的图像，既增强了明暗对比度，突出了细节，又完美保留了原来的真实色彩。
