在處理圖像的時(shí)候經(jīng)常是讀取圖片以后把圖片轉(zhuǎn)換為灰度圖。作為一個(gè)剛?cè)肟拥男“祝以谶@篇博客記錄了四種處理的方法。

首先導(dǎo)入包：

1. import numpy as np
2. import cv2
3. import tensorflow as tf
4. from PIL import Image

方法一：在使用OpenCV讀取圖片的同時(shí)將圖片轉(zhuǎn)換為灰度圖：

1. img = cv2.imread(imgfile, cv2.IMREAD_GRAYSCALE)
2. print("cv2.imread(imgfile, cv2.IMREAD_GRAYSCALE)結(jié)果如下：")
3. print('大小：{}'.format(img.shape))
4. print("類型：%s"%type(img))
5. print(img)

運(yùn)行結(jié)果如下圖所示：

方法二：使用OpenCV，先讀取圖片，然后在轉(zhuǎn)換為灰度圖：

1. img = cv2.imread(imgfile)
2. #print(img.shape)
3. #print(img)
4. gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #Y = 0.299R + 0.587G + 0.114B
5. print("cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)結(jié)果如下：")
6. print('大小:{}'.format(gray_img.shape))
7. print("類型：%s" % type(gray_img))
8. print(gray_img)

運(yùn)行結(jié)果如下：

方法三：使用PIL庫中的Image模塊：

1. img = np.array(Image.open(imgfile).convert('L'), 'f') #讀取圖片，灰度化，轉(zhuǎn)換為數(shù)組，L = 0.299R + 0.587G + 0.114B。'f'為float類型
2. print("Image方法的結(jié)果如下：")
3. print('大小：{}'.format(img.shape))
4. print("類型：%s" % type(img))
5. print(img)

運(yùn)行結(jié)果如下：

更多關(guān)于使用PIL庫中的Image模塊的convert()函數(shù)的知識(shí)請(qǐng)參考博客：http://www.jfrwli.cn/kf/201603/492898.html

方法四：TensorFlow方法：

1. with tf.Session() as sess:
2. img = tf.read_file(imgfile) #讀取圖片，
3. img_data = tf.image.decode_jpeg(img, channels=3) #解碼
4. #img_data = sess.run(tf.image.decode_jpeg(img, channels=3))
5. img_data = sess.run(tf.image.rgb_to_grayscale(img_data)) #灰度化
6. print('大小：{}'.format(img_data.shape))
7. print("類型：%s" % type(img_data))
8. print(img_data)

運(yùn)行結(jié)果如下：

可以看出：TensorFlow的方法的結(jié)果與上面的三種方法的處理結(jié)果略有不同。所以在處理圖像的時(shí)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(jié)果。

以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持服務(wù)器之家。

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