图像类型：通常我们的数字图像是彩色的3通道RGB图像，R代表红色，G代表绿色，B代表蓝色。

存储方式：通常是uint8 没有符号整数，0~255，当然还有24bits。 它可以表示更多的颜色。虽然这样做可以提高图像对现实世界的还原度，但会增加更多的成本。因此，我们通常使用8bits

灰度图像：灰度图像在图像处理中起着非常重要的作用。一些常见的操作将涉及灰度图像的转换。在这些操作之前，如边缘检测和二值化 to Gray。

直接给出公式：Gray = 0.2989*R+0.5870*G+0.1140*B

#PythonOpencv
#导入头文件
%matplotlibinline
importmatplotlib.pyplotasplt
importcv2
importnumpyasnp

#opencv读取图像的顺序是BGR
img=cv2.imread('img.path.jpg')

#显示图像，其中.astype(np.uint8)为了保证数据格式不能显示，plt显示图像需要为RGB顺序
plt.figure(figsize=(15,10))
plt.imshow(cv2.cvtColor(img.astype(np.uint8)，cv2.COLOR_BGR2RGB))
plt.show()

img=0.2989*img[:,:,2]+0.5870*img[:,:,1]+0.1140*img[:,:,0]
######
plt.figure(figsize=(15,10))
plt.imshow(img,cmap='gray')
plt.show()

#opencv自带函数转换
plt.figure(figsize=(15,10))
plt.imshow(cv2.cvtColor(img.astype(np.uint8)，cv2.COLOR_BGR2GRAY),cmap='gray')
plt.show()

img3=0.2989*img[:,:,2]+0.5870*img[:,:,1]+0.1140*img[:,:,0]
img2=cv2.cvtColor(img.astype(np.uint8)，cv2.COLOR_BGR2GRAY)
print(img3-img2).sum()/(img.shape[0]*img.shape[1]##结果=-0.007257771515

相比之下，用公式获得的灰度图和opencv自身函数的灰度图其实是不一样的，应该是计算精度上的差距

更多Python知识，请关注：Python自学网！！