用tensorflow将图片灰度化，很简单的一个问题，几句代码就OK了。但是这里边有很多坑，稍不留神，半天都不一定找得到原因。我下面说说我遇到的坑，希望看到这篇博客的你，别遇到。

先给代码，再介绍我遇到的坑：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from keras_preprocessing.image import load_img,img_to_array
%matplotlib inline


image_name = 'cat1.jpg'
image = load_img(image_name)
#将图片转换为数组
image = img_to_array(image)
#转为黑白
image = tf.image.rgb_to_grayscale(image)
image = tf.squeeze(image,2)
plt.imshow(image)

步骤很简单：

  1. 读取彩色图片
  2. 转换为黑白图片
  3. 显示这个黑白图片

就这简简单单的几步，我却遇到了很多问题，不过在解决问题的过程中又学到了很多，还是很有收获的。

  • 坑一：

#坑一、不将image转换为数组，直接用rgb_to_grayscale方法，将图片转为灰度图片
image_name = 'cat1.jpg'
image = load_img(image_name)
#转为黑白
image = tf.image.rgb_to_grayscale(image)

执行上边代码会报错如下图，不能直接将一个图片转化为一个tensor。这里需要先将image对象转化为数组array。然后通过百度学会了img_to_array()方法。

  • 坑二：

#坑二：最后图片无法显示
image_name = 'cat1.jpg'
image = load_img(image_name)
#将图片转换为数组
image = img_to_array(image)
#转为黑白
image = tf.image.rgb_to_grayscale(image)
plt.imshow(image)

错误信息：

原图是三维的，图片维度为(480,500,3)，转为黑白后图片的shape变成了(480,500,1)。猜测，黑白的是不是就两维。于是进行了降维操作 学习了tf.squeeze()方法，具体请看https://ximing.blog.csdn.net/article/details/103261290

最后降维后，大功告成，结束！

  • 补充：

    我当时看了image的类型，本以为是因为转换为array后，里边值的类型为float，所以才不会显示图片。当时就把float类型转为了int型。后来才发现，其实不管array里的值类型是float还是int,都会显示。所以第一版成功运行的代码是把图片类型也转换了，代码如下，第六行多了一句将图片转为int型的代码。
image_name = 'cat1.jpg'
image = load_img(image_name)
plt.imshow(image)
#将图片转换为数组
image = img_to_array(image)
image = image.astype(dtype='uint8')
#转为黑白
image = tf.image.rgb_to_grayscale(image)
#降维
image = tf.squeeze(image,2)
plt.imshow(image)