读取图像的第一种方式：skImage

from skimage import io
img=io.imread(strImgPath) # 读出的3D

读取图像的第二种方式：matplotlib

import matplotlib.image as mpimg #mpimg 用于读取图片
import matplotlib.pyplot as plt # plt 用于显示图片
img = mpimg.imread(strImgPath) # 读取图像
plt.imshow(lena) # 显示图片
plt.axis('off') # 不显示坐标轴
plt.show()

# 2、显示图片的第一个通道
lena_1 = lena[:,:,0]
plt.imshow('lena_1')
plt.show()

# 此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数，有如下几种添加方法：
#方法一
plt.imshow('lena_1', cmap='Greys_r')
plt.show()

#方法二
img = plt.imshow('lena_1')
img.set_cmap('gray') # 'hot' 是热量图
plt.show()

#3、将 RGB 转为灰度图
def rgb2gray(rgb):
    return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])

gray = rgb2gray(lena)    
# 也可以用 plt.imshow(gray, cmap = plt.get_cmap('gray'))
plt.imshow(gray, cmap='Greys_r')
plt.axis('off')
plt.show()

第三种方式： PIL

PIL模块提供有对图像操作的基本方法；

Image.convert() 根据不同的参数可以把图片转化为不同的灰度图像，其中参数”L”是最常见的参数；

转化为矩阵的方式可以用numpy模块的asarrsy() 也可以用numpy的matrix()

from PIL import Image
img=Image.open(strImgPath)
img=np.asarray(strImgPath) # 转换为矩阵
im = im.convert("L") # 灰度化
data = im.getdata()# 获取灰度化以后的矩阵
data = np.matrix(data,dtype='float')/255.0 # 对矩阵进行二值化PS 这种方式很low, 大津法效果更好，cv2的二值化就是用大津法

第四种方式：opencv

Cv2是opencv的python版，很多函数名称和操作方式和C++实现的opencv很相像，在此不赘述。

import cv2
img= = cv2.imread(strImgPath) # 读取图像
img2gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 将图片压缩为单通道的灰度图