python3读取图片并灰度化图片的四种方法

方法一：在使用OpenCV读取图片的同时将图片转换为灰度图：

 img = cv2.imread(imgfile, cv2.IMREAD_GRAYSCALE)
 print("cv2.imread(imgfile, cv2.IMREAD_GRAYSCALE)结果如下：")
 print('大小：{}'.format(img.shape))
 print("类型：%s"%type(img))
 print(img)

方法二：使用OpenCV，先读取图片，然后在转换为灰度图（注意输入图像需为三通道，否则会报错）：

 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)结果如下：")
 print('大小:{}'.format(gray_img.shape))
 print("类型：%s" % type(gray_img))
 print(gray_img)

方法三：使用PIL库中的Image模块：

 img = np.array(Image.open(imgfile).convert('L'), 'f') #读取图片，灰度化，转换为数组，L = 0.299R + 0.587G + 0.114B。'f'为float类型
 print("Image方法的结果如下：")
 print('大小：{}'.format(img.shape))
 print("类型：%s" % type(img))
 print(img)

方法四：TensorFlow：

 with tf.Session() as sess:
    img = tf.read_file(imgfile) #读取图片，
    img_data = tf.image.decode_jpeg(img, channels=3) #解码
    #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("类型：%s" % type(img_data))
    print(img_data)