python - 使用粗略的灰度算法有问题吗？

Question

所以我正在设计一些程序来使用 PIL 在 python 中编辑照片，其中一个是将图像转换为灰度(我避免使用PIL 中的任何函数)。

我使用的算法很简单:对于每个像素(颜色深度为 24)，我计算了 R、G 和 B 值并将 RGB 值设置为此平均值。

我的程序正在生成看起来准确的灰度图像，但我想知道我是否使用了正确的算法，我遇到了 this answer一个问题，似乎“正确”的算法是计算 0.299 R + 0.587 G + 0.114 B。

我决定将我的程序与这个算法进行比较。我使用我的程序生成了一个灰度图像，另一个(使用相同的输入)来自 a website online ('image to grayscale' 的最高 Google 结果。

在我的肉眼看来，它们似乎完全一样，如果有任何差异，我是看不到的。但是，我决定使用 this website ('compare two images online' 的最佳 Google 结果)来比较我的灰度图像。事实证明，在像素深处，它们有轻微的变化，但没有人一眼就能察觉到的变化(可以发现差异，但通常只有当图像相互叠加或在几毫秒内切换时) .

我的问题(第一个是主要问题):

1. 使用我的“粗略”灰度算法有什么缺点吗？
2. 有没有人有任何输入图像，我的灰度算法会产生与“正确”的图像明显不同的图像？
3. 是否有任何颜色/RBG 组合不适用于我的算法？

我的关键代码(如果需要):

def greyScale(pixelTuple):
    return tuple([round(sum(pixelTuple) / 3)] * 3)

“正确”算法(似乎偏重于绿色):

def greyScale(pixelTuple):
    return tuple([round(0.299 * pixelTuple[0] + 0.587 * pixelTuple[1] + 0.114 * pixelTuple[2])] * 3)

我的输入图像:

我的算法生成的灰度图像:

“正确”的灰度图像:

在线比较灰度图像时(红色突出显示的差异，使用 10% 的模糊度):

尽管上面突出显示的像素有所不同，但上面的灰度图像看起来几乎完全相同(至少在我看来)。

另外，关于我的第一个问题，如果有人感兴趣，this site对不同的灰度转换算法做了一些分析，也有一些自定义算法。

编辑:

针对@Szulat 的回答，我的算法实际上 生成了这个图像(忽略错误的裁剪，原始图像有三个圆圈，但我只需要第一个):

如果人们想知道转换为灰度的原因是什么(因为算法似乎取决于目的)，我只是在 python 中制作了一些简单的照片编辑工具，以便我可以拥有一个迷你 Photoshop 并且不需要依赖互联网来应用滤镜和效果。

赏金的原因:这里的不同答案涵盖了不同的事情，这些都是相关且有用的。这使得很难选择接受哪个答案。我开始赏金是因为我喜欢这里列出的一些答案，但也因为有一个答案可以涵盖这个问题所需的所有内容。

Answer 1

这些图像看起来非常相似，但你的眼睛可以分辨出区别，特别是如果你把一个放在另一个位置上:

例如，您可以注意到背景中的花朵在平均转换中看起来更亮。

这并不是说平均三个 channel 有什么本质上的“坏”。该公式的原因是我们对红色、绿色和蓝色的感知不同，因此它们对灰度图像中强度的贡献不应该相同；由于我们对绿色的感知更强烈，因此绿色像素在灰度上应该看起来更亮。但是，as commented by Mark没有唯一完美的灰度转换，因为我们看到的是彩色，而且在任何情况下每个人的视觉都略有不同，所以任何公式都会尝试做出近似，这样像素强度对大多数人来说都是“正确的”。