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.qb5200.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。
