加权进行灰度处理

对于MTCNN最后的输出结果进行灰度处理，介于人眼对于R，G，B三种颜色的敏感度，所以采取按照一定的权值进行加权平均得到。

GRAY = 0.299 * red + 0.587 * green + 0.114 * blue

输出得到单通道灰度图片

import numpy as np
import cv2

def rgb_to_gray(image):
    red_weight = 0.299
    green_weight = 0.587
    blue_weight = 0.114

    # 获取图像的高度、宽度和通道数
    height, width, channels = image.shape

    # 创建一个空的灰度图像
    gray_image = np.zeros((height, width), dtype=np.uint8)

    # 对每个像素进行加权求和
    for i in range(height):
        for j in range(width):
            red = image[i, j, 0]
            green = image[i, j, 1]
            blue = image[i, j, 2]

            # 根据权重系数计算灰度值
            gray_value = red_weight * red + green_weight * green + blue_weight * blue

            # 将灰度值赋给灰度图像的对应像素位置
            gray_image[i, j] = gray_value

    return gray_image

# 读取RGB图像
image = cv2.imread('rgb_image.jpg')

# 将RGB图像转换为灰度图像
gray_image = rgb_to_gray(image)

# 显示灰度图像
cv2.imshow('Gray Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的示例中，使用了OpenCV库来读取RGB图像，并通过自定义的rgb_to_gray函数将其转换为灰度图像。该函数遍历每个像素，并根据给定的权重系数计算灰度值，最后将灰度值赋给对应位置的像素。最后，使用OpenCV的imshow函数显示转换后的灰度图像。

请注意，上述代码假定输入的RGB图像是3通道的，并使用NumPy和OpenCV库进行图像处理和显示。