用最简单的办法实现彩色图像灰度化和二值化：
首先采用skimage库（skimage库现在在scikit_image库中）实现：
from skimage.color import rgb2grayimport numpy as npimport matplotlib.pyplot as plt"""skimage库实现彩色图像的灰度化、二值化"""#输入原图像plt.subplot(221)#使用plt.subplot来创建小图. plt.subplot(221)表示将整个图像窗口分为2行2列, 当前位置为1.img = plt.imread("lenna.png")#图像输入plt.imshow(img)#图像输出print("---image lenna----")print(img)# 灰度化img_gray = rgb2gray(img)plt.subplot(222)plt.imshow(img_gray, cmap='gray')print("---image gray----")print(img_gray)#二值化img_binary = np.where(img_gray >= 0.5, 1, 0)#像素值大于0.5为1，小于0.5为0print("-----imge_binary------")print(img_binary)print(img_binary.shape)#输出图像分辨率plt.subplot(223)plt.imshow(img_binary, cmap='gray')plt.show()
运行结果：
采用opencv库(cv2)实现：
import matplotlib.pyplot as pltimport cv2"""cv2实现彩色图像的灰度化、二值化这里采用plt输出，如果需要cv2输出，只需要将plt的输出注释掉，将cv2的输出取消注释"""#输入原图像plt.subplot(221)img = cv2.imread("lenna.png", 1)#1是彩色输入，0是灰色输入#cv2.imshow('img',img)#通道转换b, g, r = cv2.split(img)img = cv2.merge([r, g, b])plt.imshow(img)#灰度化img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)img_gray1 = img_grayplt.subplot(222)#cv2.imshow('img2',img_gray)plt.imshow(img_gray,cmap='gray')#二值化cv2.threshold(img_gray1,127,255,0,img_gray1)#像素值大于127为255（白色），小于为0（黑色）plt.subplot(223)plt.imshow(img_gray1,cmap='gray')plt.show()# cv2.imshow('img3',img_gray1)# cv2.waitKey(0)
需要注意的问题：
注意一：
在plt读取图像之后，图像的每一个像素值都在[0,1]之间，在之后的cv2读取的图像，每一个像素值在[0，255]之间，所以在二值化时，plt是阈值为0.5，像素值分成0或1，而cv2中阈值是127，像素值分为0或255。
注意二：
无论谁cv输出还是plt输出的最后的结尾都需要加上cv.waitkey(0)或者plt.show()不然输出图像转瞬即逝，很快就消失了，不能长时间停留。
注意三：
这里采用plt或者cv两种输出方式！但是注意，当cv输入plt输出的时候会发现图像色彩失真！
因为 opencv 的接口使用BGR模式，而 matplotlib.pyplot 接口使用的是RGB模式
解决方法是：
在cv输入图像后把通道顺序变换一下,就在cv2.imread输入后面添加
b, g, r = cv2.split(img)img = cv2.merge([r, g, b])
添加后运行结果：
注意四：
在灰度化和二值化图像用plt输出的时候必须添加cmap = 'gray'，如果不添加得不到想要的图像。
至于原因，我在网上得到最好的解释是：
当img1具有形状(M,N,3)或(M,N,4)时，img1中的值将被解释为RGB或RGBA值。在这种情况下，cmap将被忽略。每the help(plt.imshow) docstring：
cmap：~matplotlib.colors.Colormap，可选，默认：无
如果为None，则默认为rc image.cmap值。 cmap会被忽略 X有RGB（A）信息但是，如果img是形状(M,N)的数组，则cmap会控制用于显示值的色彩映射。
