python3读取图片并灰度化图片的四种方法(OpenCV、PIL.Image、TensorFlow方法)总结

在处理图像的时候经常是读取图片以后把图片转换为灰度图。作为一个刚入坑的小白，我在这篇博客记录了四种处理的方法。

首先导入包：

import numpy as np
import cv2
import tensorflow as tf
from PIL import Image

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)

运行结果如下图所示：

方法二：使用OpenCV，先读取图片，然后在转换为灰度图：

    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)

运行结果如下：

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)

运行结果如下：

更多关于使用PIL库中的Image模块的convert()函数的知识请参考博客：https://www.2cto.com/kf/201603/492898.html

方法四：TensorFlow方法：

    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)

运行结果如下：

可以看出：TensorFlow的方法的结果与上面的三种方法的处理结果略有不同。所以在处理图像的时候最好保持方法的一致性，最好不要用这种方法读取完图片然后用另一种方法处理图片，以避免不必要的bug影响图片处理处理结果。