1、简介
opencv是一个强大的图像处理和计算机视觉库，实现了很多实用算法,而opencv-python是OpenCV的python接口。直接安装opencv-python包（非官方）：
pip install opencv-python
2、知识点
图片是由一个一个的像素点组成的，像素是图像的最小单元，我们右键——>属性去查看图片的信息，看到图片的尺寸如下图：即宽度是372个像素，高度也是300个像素，也就是说这张图片是由一个372 * 300的像素点矩阵构成的，这个矩阵是372行，300列，共有372 * 300 = 111600个像素点。
绝大部分图片是 RGB 类型的，即是用RGB(红绿蓝)三原色组成的图片。在图像处理中，用RGB三个分量（R：Red，G：Green，B：Blue），即红、绿、蓝三原色来表示真彩色，R分量，G分量，B分量的取值范围均为0~255，比如电脑屏幕上的一个红色的像素点的三个分量的值分别为：255，0，0
3、图片灰度化
什么叫图片的灰度化呢？其实很简单，就是让像素点矩阵中的每一个像素点都满足下面的关系：R=G=B（就是红色变量的值，绿色变量的值，和蓝色变量的值，这三个值相等），此时的这个值叫做灰度值。
理解一张图片是由一个像素点矩阵构成，就知道我们对图像的处理就是对这个像素点矩阵的操作，想要改变某个像素点的颜色，只要在这个像素点矩阵中找到这个像素点的位置，比如第x行，第y列，所以这个像素点在这个像素点矩阵中的位置就可以表示成（x，y）,因为一个像素点的颜色由红、绿、蓝三个颜色变量表示，所以我们通过给这三个变量赋值，来改变这个像素点的颜色，比如改成红色（255，0，0），可以表示为（x，y，（R=255，G=0，B=0））x行y列的像素值为(255,0,0)。
平均值法：
是转化后R，G，B的值为转化前R,G,B的平均值
灰度化后的R=（处理前的R + 处理前的G +处理前的B）/ 3
灰度化后的G=（处理前的R + 处理前的G +处理前的B）/ 3
灰度化后的B=（处理前的R + 处理前的G +处理前的B）/ 3
加权平均法(处理效果最好)：
按照一定权值，对R，G，B的值加权平均
灰度化后的R = 处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
灰度化后的G = 处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
灰度化后的B = 处理前的R * 0.3+ 处理前的G * 0.59 +处理前的B * 0.11
最大值发：
使转化后的R，G，B得值等于转化前3个值中最大的一个
灰度化后的R、G、B=处理前的R、G、B中的最大值
4、代码示例
# 先加载一张图片 打印它的一些关键信息
image = cv.imread("C:/path/to/image/doge.png")
print(image.shape) # (372, 300, 3)
print(image.size) # 334800
print(image.dtype) # uint8
def gray_by_max():
# 最大值法：使转化后的R，G，B得值等于转化前3个值中最大的一个，即： R=G=B=max（R，G，B）这种方法转换的灰度图亮度很高。
dst = np.zeros((image.shape[0], image.shape[1], 1), np.uint8)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
dst[i, j] = max(image[i, j][0], image[i, j][1], image[i, j][2])
print(dst)
cv.imwrite("C:/path/to/image/doget_max_gray.png", dst)
def gray_by_avg():
# 平均值法：是转化后R，G，B的值为转化前R,G,B的平均值。即：R=G=B=(R+G+B)/3 这种方法产生的灰度图像比较柔和。
dst = np.zeros((image.shape[0], image.shape[1], 1), np.uint8)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
dst[i, j] = (image[i, j][0] + image[i, j][1] + image[i, j][2]) / 3
print(dst)
cv.imwrite("C:/path/to/image/doget_avg_gray.png", dst)
def gray_with_weight():
# 加权平均值法：按照一定权值，对R，G，B的值加权平均，即：R=G=B=(W(r) * R+ W(g) * G+ W(b) * B),
# 其中W(x)分别为R，G，B的权值，取不同的值形成不同的灰度图像。由于人眼对绿色最为敏感，红色次之，对蓝色的敏感性最低，因此一般情况下，
# W(r)=0.299, W(g)=0.587, W(b)=0.114得到的灰度图像效果最好。
dst = np.zeros((image.shape[0], image.shape[1], 3), np.uint8)
for i in range(image.shape[0]):
for j in range(image.shape[1]):
dst[i, j] = (0.3 * image[i, j][0] + 0.11 * image[i, j][1] + 0.59 * image[i, j][2])
print(dst)
cv.imwrite("C:/path/to/image/doget_weight_gray.png", dst)
