Python之PIL灰度图的探险

【前情提要】

需要将一张RGB图片转化为一维的灰度图，再进行增强和滤波。

【问题】

通过百度找到了python中RGB到灰度图的转换函数，PIL库中的convert函数，但是通过matplotlib的plt发现，通过convert转化出来的灰度图中每个像素点是四维的。不符合后续网络的输入要求，于是一场大冒险就开始了。

【解决尝试】

1、使用Matlab中的rgb2gray()函数，对图像进行处理，发现输出的矩阵确实是一维的，这验证了rgb图转化为gray图的原理：

L = R * 299/1000 + G * 587/1000 + B * 114/1000

 rgb图中每个像素点的是(1, 4)大小的矩阵，而通过上述公式，可以将4维的像素点转化维1维的像素点，达到转化维灰度图的效果。

2、在此基础上，尝试通过python把图像读取为矩阵，通过矩阵来寻找原因，通过搜索发现np.array()可以将Image读取的对象转化为numpy的矩阵类型，通过print将矩阵的维度(matrix.shape)打印出来，却发现矩阵是2维的，也就是说通过convert转化出来的矩阵确实是一维的，但为什么通过imshow看到每个像素点确实4维的呢？（虽然，前三维相同，最后一维都是255）

3、在此基础上，尝试通过矩阵来显示图片，可以直接用imshow()，看到结果是每个像素点是1维的。说明不是imshow()的问题，另外从这个imshow的显示，又引出一个问题，如果不加cmap参数cmap=plt.get_cmap('gray')，那么显示出来的图片并不是灰度图，但是直接imshow()而不经过矩阵转换，不用加cmap参数也可以正确显示灰度图。

4、在此基础上，猜想是不是这另外三维的信息包含的是指示灰度图的信息？但为什么通过矩阵来存储Image对象，得到的像素点是一维的呢？其他三维的信息舍弃了吗？（[107, 107, 107, 255]与[107]）

【收获】

cmap(colormap)的设置方式

1、plt.imshow(image, cmap=plt.get_cmap('gray_r'))

2、 plt.imshow(image, cmap='gray_r')

3、 plt.imshow(image, cmap=plt.cm.binary)

python读取图片的方式

1、PIL  Image.open

2、pyplot plt.imread()

3、matplotlib.image as mpimg  mping.imread()

Image.fromarray可以将矩阵转化为图片

【疑惑】

Image对象与numpy，imshow()的交互方式