脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → python3读取图片并灰度化

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

 更新时间：2019年07月04日 10:34:39   作者：水木小僧  
这篇文章主要介绍了python3读取图片并灰度化图片的四种方法(OpenCV、PIL.Image、TensorFlow方法)总结，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

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.jb51.net/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。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

相关文章

  • 异步任务队列Celery在Django中的使用方法

    异步任务队列Celery在Django中的使用方法

    对于网站来说，给用户一个较好的体验是很重要的事情，其中最重要的指标就是网站的浏览速度。因此服务端要从各个方面对网站性能进行优化，这篇文章主要介绍了异步任务队列Celery在Django中的使用方法，感兴趣的小伙伴们可以参考一下
    2018-06-06
  • 解决使用pip安装报错:Microsoft Visual C++ 14.0 is required.

    解决使用pip安装报错:Microsoft Visual C++ 14.0 is required.

    对于程序员来说,经常pip安装自己所需要的包,大部分的包基本都能安装,但是总会遇到包安装不了的问题,下面这篇文章主要给大家介绍了关于如何解决使用pip安装报错:Microsoft Visual C++ 14.0 is required.的相关资料,需要的朋友可以参考下
    2022-09-09
  • Python 操作 Excel 之 openpyxl 模块

    Python 操作 Excel 之 openpyxl 模块

    这篇文章主要介绍了Python 操作 Excel 之 openpyxl 模块，文章基于python的相关资料展开对 openpyxl 模块的详细介绍，具有一定的参考价值，需要的小伙伴可以参考一下
    2022-05-05
  • Python查找字符串中包含的多个元素的实现

    Python查找字符串中包含的多个元素的实现

    本文详细介绍了如何使用Python查找字符串中包含的多个元素,包括基本字符串操作和使用正则表达式进行高级搜索,具有一定的参考价值,感兴趣的可以了解一下
    2024-03-03
  • Python使用PIL构建图片裁剪工具的实现步骤

    Python使用PIL构建图片裁剪工具的实现步骤

    这篇博客将为您展示如何使用 wxPython 和 PIL 库开发一个图片裁剪工具,本工具能够加载图片,允许用户通过拖拽选择框裁剪图片,并保存裁剪后的结果,以下是完整代码和实现步骤,需要的朋友可以参考下
    2025-01-01
  • Python工具脚本调用外层模块的操作方法

    Python工具脚本调用外层模块的操作方法

    今天有同学问我,这种情况应该怎么调用,才能让remove_outdated_data.py正确导入models里面的模块,下面通过本文介绍下Python工具脚本调用外层模块的方法,感兴趣的朋友一起看看吧
    2024-02-02
  • 11行Python代码实现解密摩斯密码

    11行Python代码实现解密摩斯密码

    摩尔斯电码是一种时通时断的信号代码，通过不同的排列顺序来表达不同的英文字母、数字和标点符号。本文将通过Python代码来实现解密摩斯密码，感兴趣的可以学习一下
    2022-04-04
  • Python使用稀疏矩阵节省内存实例

    Python使用稀疏矩阵节省内存实例

    这篇文章主要介绍了Python使用稀疏矩阵节省内存实例,矩阵中非零元素的个数远远小于矩阵元素的总数，并且非零元素的分布没有规律，则称该矩阵为稀疏矩阵,需要的朋友可以参考下
    2014-06-06
  • 实例讲解Python爬取网页数据

    实例讲解Python爬取网页数据

    这篇文章给大家通过实例讲解了Python爬取网页数据的步骤以及操作过程，有兴趣的朋友跟着学习下吧。
    2018-07-07
  • Python查找算法之分块查找算法的实现

    Python查找算法之分块查找算法的实现

    这篇文章主要介绍了Python查找算法之分块查找算法的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2021-04-04

最新评论