import numpy as np
from PIL import Image

# načtení obrázku pomocí knihovny Pillow 
img = Image.open('../kvetina.jpg')

# převod dat obrázku do podoby vhodné pro Numpy
data = np.asarray(img)

# přenásobení koeficienty vah jednotlivých barev
# ~ díky broadcastingu tohle opravdu funguje, protože:
#      ~ "data" je 3D-pole (výška, šířka, 3)
#      ~ přepočítávací vektor je (1, 3)
grayscale = data * np.array([0.299, 0.587, 0.114])

# různé způsoby, jak se dobrat stejného výsledku
negativ_1 = grayscale[:, :, 0] + grayscale[:, :, 1] + grayscale[:, :, 2]
negativ_2 = grayscale[..., 0] + grayscale[..., 1] + grayscale[..., 2]
negativ_3 = grayscale.sum(axis=2)

# A) jelikož (0.299 + 0.587 + 0.114 = 1), tak po násobení a součtu výsledné číslo stále bude spadat do 8-bitového rozsahu (tj. mezi 0 a 255)
# B) ale díky násobení celého čísla (světlosti barev) reálnými koeficienty obsahují matice "negativ_N" reálná čísla, takže obrázek z nich přímo udělat nejde a musíme je nejdříve převést na celočíselné
negativ_1 = negativ_1.astype(dtype=np.uint8)
negativ_2 = negativ_2.astype(dtype=np.uint8)
negativ_3 = negativ_3.astype(dtype=np.uint8)

# uložení vypočítaného nového obrázku na disk
# ~ překvapivě funkce sum() si s tím sama poradí
Image.fromarray(negativ_1, 'L').save('grayscale_1.jpg')
Image.fromarray(negativ_2, 'L').save('grayscale_2.jpg')
Image.fromarray(negativ_3, 'L').save('grayscale_3.jpg')