在處理圖像的時候經常是讀取圖片以后把圖片轉換為灰度圖。作為一個剛入坑的小白，我在這篇博客記錄了四種處理的方法。
首先導入包：
import numpy as np
import cv2
import tensorflow as tf
from PIL import Image
方法一：在使用OpenCV讀取圖片的同時將圖片轉換為灰度圖：
img = cv2.imread(imgfile, cv2.IMREAD_GRAYSCALE)
print("cv2.imread(imgfile, cv2.IMREAD_GRAYSCALE)結果如下：")
print('大小：{}'.format(img.shape))
print("類型：%s"%type(img))
print(img)
運行結果如下圖所示：
方法二：使用OpenCV，先讀取圖片，然后在轉換為灰度圖：
img = cv2.imread(imgfile)
#print(img.shape)
#print(img)
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #Y = 0.299R + 0.587G + 0.114B
print("cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)結果如下：")
print('大小:{}'.format(gray_img.shape))
print("類型：%s" % type(gray_img))
print(gray_img)
運行結果如下：
方法三：使用PIL庫中的Image模塊 ：
img = np.array(Image.open(imgfile).convert('L'), 'f') #讀取圖片，灰度化，轉換為數組，L = 0.299R + 0.587G + 0.114B。'f'為float類型
print("Image方法的結果如下：")
print('大小：{}'.format(img.shape))
print("類型：%s" % type(img))
print(img)
運行結果如下：
更多關于使用PIL庫中的Image模塊的convert()函數的知識請參考博客：https://www.jb51.net/kf/201603/492898.html
方法四：TensorFlow方法：
with tf.Session() as sess:
img = tf.read_file(imgfile) #讀取圖片，
img_data = tf.image.decode_jpeg(img, channels=3) #解碼
#img_data = sess.run(tf.image.decode_jpeg(img, channels=3))
img_data = sess.run(tf.image.rgb_to_grayscale(img_data)) #灰度化
print('大小：{}'.format(img_data.shape))
print("類型：%s" % type(img_data))
print(img_data)
運行結果如下：
可以看出：TensorFlow的方法的結果與上面的三種方法的處理結果略有不同。所以在處理圖像的時候最好保持方法的一致性，最好不要用這種方法讀取完圖片然后用另一種方法處理圖片，以避免不必要的bug影響圖片處理處理結果。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
