灰度化核心是用加权平均公式0.299×R+0.587×G+0.114×B逐像素计算亮度并截断至0–255，需注意通道顺序（RGB/BGR）、数组维度、批量读写及Alpha通道单独处理。
核心是把图像看作数值数组，用加权平均公式逐像素计算亮度值，再统一写回——不依赖高级库，直操作底层数据。
灰度公式不能用简单平均
人眼对绿色最敏感、蓝色最不敏感，所以标准灰度不是 (R+G+B)/3，而是：
- 0.299 × R + 0.587 × G + 0.114 × B
- 系数必须用浮点数，避免整数除法截断（如 C# 中写 299/1000.0，Python 中用 0.299）
- 结果要截断到 0–255 范围：Math.Clamp(value, 0, 255)（C#）或 np.clip(value, 0, 255)（Python）
数组结构决定访问方式
彩色图是三维数组（高×宽×3），灰度图是二维数组（高×宽）。实际操作中分两种主流场景：
-
PIL / NumPy（Python）：默认 RGB 顺序，
img[y, x, 0]是 R，img[y, x, 1]是 G，img[y, x, 2]是 B -
C# Bitmap + LockBits：Windows 默认 BGR 顺序（
ptr[i]是 B，i+1是 G，i+2是 R），且每行字节数（Stride）可能大于width × 3，必须用bitmapData.Stride计算下一行起始地址
实战操作像素变量的三个关键动作
无论语言，灰度化本质就是“读—算—写”三步循环，但效率差异极大：
- 别用 GetPixel/SetPixel（C#）或 img[y,x] 单点索引（Python 小图除外）：它们触发大量托管开销，1000×1000 图片慢百倍以上
-
优先批量读取：Java 用
getRGB(0,0,w,h,rgbArray,0,w)；C# 用LockBits获取指针；Python 用np.array(img)一次性转 NumPy 数组 -
写回要匹配格式：灰度结果若存为
Format24bppRgb，只是 R=G=B 的伪灰度；真正语义清晰的做法是输出Format8bppIndexed（C#）或保存为.pgm（Java）或直接用Image.fromarray(gray, mode='L')（Python）
透明通道（Alpha）要单独处理
带 Alpha 的图（如 PNG）是四通道（BGRA 或 RGBA），灰度化时：
- 只对 RGB/BGR 分量计算灰度值，Alpha 值保持原样
- C# 中：设
ptr[i] = ptr[i+1] = ptr[i+2] = gray，跳过i+3（Alpha） - Python 中：若用 OpenCV 读取（BGR），注意通道顺序；若用 PIL（RGB），则 Alpha 在第四维，需切片分离：
rgb, a = img[:,:,:3], img[:,:,3]
