本章主要讲解 图像的读取方式、灰度化操作、图像转化为矩阵的方法
假设 strImgPath是图像的路径, img对象将图片读入到内存中
读取图像的第一种方式：skImage
from skimage import ioimg=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 Imageimg=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 cv2img= = 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