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：

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

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。
原文：https://blog.csdn.net/Tony_Stark_Wang/article/details/80006366